KR20230051491A - 채널 상태 정보에 대한 구성 고려사항들 - Google Patents
채널 상태 정보에 대한 구성 고려사항들 Download PDFInfo
- Publication number
- KR20230051491A KR20230051491A KR1020237004985A KR20237004985A KR20230051491A KR 20230051491 A KR20230051491 A KR 20230051491A KR 1020237004985 A KR1020237004985 A KR 1020237004985A KR 20237004985 A KR20237004985 A KR 20237004985A KR 20230051491 A KR20230051491 A KR 20230051491A
- Authority
- KR
- South Korea
- Prior art keywords
- neural network
- training
- configuration
- wireless communication
- train
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 claims abstract description 405
- 238000012549 training Methods 0.000 claims abstract description 303
- 238000004891 communication Methods 0.000 claims abstract description 137
- 230000009471 action Effects 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 67
- 230000015654 memory Effects 0.000 claims description 55
- 238000005259 measurement Methods 0.000 claims description 47
- 230000006835 compression Effects 0.000 claims description 42
- 238000007906 compression Methods 0.000 claims description 42
- 230000011664 signaling Effects 0.000 claims description 38
- 230000005540 biological transmission Effects 0.000 claims description 30
- 230000000737 periodic effect Effects 0.000 claims description 8
- 230000008014 freezing Effects 0.000 claims description 6
- 238000007710 freezing Methods 0.000 claims description 6
- 239000010410 layer Substances 0.000 description 172
- 238000010586 diagram Methods 0.000 description 38
- 230000006870 function Effects 0.000 description 37
- 230000008569 process Effects 0.000 description 35
- 238000000605 extraction Methods 0.000 description 34
- 239000011159 matrix material Substances 0.000 description 30
- 230000002123 temporal effect Effects 0.000 description 24
- 230000006837 decompression Effects 0.000 description 21
- 230000001413 cellular effect Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 11
- 230000004913 activation Effects 0.000 description 10
- 238000001994 activation Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 239000000969 carrier Substances 0.000 description 7
- 238000013139 quantization Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012384 transportation and delivery Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- 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
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
- H04L1/0026—Transmission of channel quality indication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0806—Configuration setting for initial configuration or provisioning, e.g. plug-and-play
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/28—Timers or timing mechanisms used in protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
- H04W72/232—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal the control data signalling from the physical layer, e.g. DCI signalling
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
네트워크 엔티티는 UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 송신할 수 있고, UE는 네트워크 엔티티로부터 수신된 구성에 기반하여 UE에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 네트워크 엔티티는 무선 메시지에서 트레이닝 커맨드를 UE에 송신할 수 있고, UE는 수신된 트레이닝 커맨드에 대한 응답으로, 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. 구성은 뉴럴 네트워크를 트레이닝시키는 것과 연관된 시간 기간을 포함할 수 있다. 시간 기간은 시간 기간이 만료될 때 UE가 수행할 액션을을 표시하고, 그리고/또는 뉴럴 네트워크 트레이닝의 주기성을 표시할 수 있다.
Description
[0001] 본 출원은, 발명의 명칭이 "CONFIGURATION CONSIDERATIONS FOR CHANNEL STATE INFORMATION"으로 2020년 8월 18일자로 출원된 그리스 출원 시리얼 넘버 제20200100494호의 이점 및 그 그리스 출원을 우선권으로 주장하며, 그 그리스 출원은 그 전체가 인용에 의해 본 명세서에 명백히 포함된다.
[0002] 본 개시내용은 일반적으로 통신 시스템들에 관한 것으로, 더 상세하게는, 채널 상태 정보에 대한 뉴럴 네트워크 트레이닝을 구성하기 위한 무선 통신 방법에 관한 것이다.
[0003] 무선 통신 시스템들은 텔레포니(telephony), 비디오, 데이터, 메시징, 및 브로드캐스트들과 같은 다양한 원격통신 서비스들을 제공하도록 광범위하게 배치되어 있다. 통상적인 무선 통신 시스템들은 이용가능한 시스템 리소스들을 공유함으로써 다수의 사용자들과의 통신을 지원할 수 있는 다중-액세스 기술들을 이용할 수 있다. 그러한 다중-액세스 기술들의 예들은 CDMA(code division multiple access) 시스템들, TDMA(time division multiple access) 시스템들, FDMA(frequency division multiple access) 시스템들, OFDMA(orthogonal frequency division multiple access) 시스템들, SC-FDMA(single-carrier frequency division multiple access) 시스템들, 및 TD-SCDMA(time division synchronous code division multiple access) 시스템들을 포함한다.
[0004] 이들 다중 액세스 기술들은 상이한 무선 디바이스들이, 도시 레벨, 국가 레벨, 지역 레벨, 및 심지어 글로벌 레벨 상에서 통신할 수 있게 하는 공통 프로토콜을 제공하기 위해 다양한 원격통신 표준들에서 채택되었다. 예시적인 원격통신 표준은 5G NR(New Radio)이다. 5G NR은 (예컨대, IoT(Internet of Things)에 대한) 레이턴시, 신뢰도, 보안, 확장성과 연관된 새로운 요건들 및 다른 요건들을 충족시키도록 3GPP(Third Generation Partnership Project)에 의해 발표된 연속적인 모바일 브로드밴드 진화의 일부이다. 5G NR은 eMBB(enhanced mobile broadband), mMTC(massive machine type communications), 및 URLLC(ultra-reliable low latency communications)와 연관된 서비스들을 포함한다. 5G NR의 일부 양상들은 4G LTE(Long Term Evolution) 표준에 기반할 수 있다. 추가적인 개선들에 대한 필요성이 5G NR 기술에 존재한다. 이들 개선들은 또한, 다른 다중-액세스 기술들 및 이들 기술들을 이용하는 원격통신 표준들에 적용가능할 수 있다.
[0005] 다음은, 하나 이상의 양상들의 기본적인 이해를 제공하기 위해 그러한 양상들의 간략화된 요약을 제시한다. 이러한 요약은 모든 고려된 양상들의 포괄적인 개관이 아니며, 임의의 또는 모든 양상들의 범위를 서술하거나 모든 양상들의 핵심 또는 중요 엘리먼트들을 식별하도록 의도되지 않는다. 이러한 요약의 유일한 목적은, 이후에 제시되는 더 상세한 설명에 대한 서론으로서 간략화된 형태로 하나 이상의 양상들의 일부 개념들을 제시하는 것이다.
[0006] 개시내용의 일 양상에서, 방법, 컴퓨터-판독가능 매체, 및 장치가 제공된다. 방법은 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하는 단계 및 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키는 단계를 포함할 수 있다.
[0007] 본 개시내용의 다른 양상에서, 무선 통신 장치가 제공된다. 장치는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하기 위한 수단 및 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키기 위한 수단을 포함할 수 있다.
[0008] 본 개시내용의 다른 양상에서, 무선 통신 장치가 제공된다. 장치는, 메모리 및 메모리에 커플링된 적어도 하나의 프로세서를 포함하는 UE일 수 있다. 메모리 및 프로세서는, UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하고, 그리고 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키도록 구성될 수 있다.
[0009] 본 개시내용의 다른 양상에서, UE에서의 무선 통신을 위한 컴퓨터 실행가능 코드를 저장하는 컴퓨터-판독가능 매체가 제공된다. 예컨대, 컴퓨터-판독가능 매체는 비-일시적일 수 있다. 코드는, 프로세서에 의해 실행될 때, 프로세서로 하여금, UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하게 하고, 그리고 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키게 한다.
[0010] 본 개시내용의 일 양상에서, 무선 통신 방법이 제공된다. 방법은 사용자 장비(UE)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 결정 또는 검출하는 단계, 및 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하는 단계를 포함할 수 있다.
[0011] 본 개시내용의 다른 양상에서, 무선 통신 장치가 제공된다. 장치는 사용자 장비(UE)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 결정 또는 검출하기 위한 수단, 및 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하기 위한 수단을 포함할 수 있다.
[0012] 본 개시내용의 다른 양상에서, 무선 통신 장치가 제공된다. 장치는, 메모리 및 메모리에 커플링된 적어도 하나의 프로세서를 포함하는 UE일 수 있다. 메모리는, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 결정 또는 검출하게 하고, 그리고 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하게 하는 명령들을 포함할 수 있다.
[0013] 본 개시내용의 다른 양상에서, 무선 네트워크 엔티티에서의 무선 통신을 위한 컴퓨터 실행가능 코드를 저장하는 컴퓨터-판독가능 매체가 제공된다. 예컨대, 컴퓨터-판독가능 매체는 비-일시적일 수 있다. 코드는, 프로세서에 의해 실행될 때, 프로세서로 하여금, UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 결정 또는 검출하게 하고, 그리고 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하게 한다.
[0014] 전술한 그리고 관련된 목적들의 달성을 위해, 하나 이상의 양상들은, 이하에서 완전히 설명되고 특히, 청구항들에서 지적된 특징들을 포함한다. 다음의 설명 및 첨부된 도면들은, 하나 이상의 양상들의 특정한 예시적인 특징들을 상세히 기재한다. 그러나, 이들 특징들은, 다양한 양상들의 원리들이 이용될 수 있는 다양한 방식들 중 단지 몇몇만을 표시하며, 이러한 설명은 모든 그러한 양상들 및 그들의 등가물들을 포함하도록 의도된다.
[0015] 도 1은 무선 통신 시스템 및 액세스 네트워크의 일 예를 예시한 다이어그램이다.
[0016] 도 2a는 본 개시내용의 다양한 양상들에 따른, 제1 프레임의 일 예를 예시한 다이어그램이다.
[0017] 도 2b는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내의 DL 채널들의 일 예를 예시한 다이어그램이다.
[0018] 도 2c는 본 개시내용의 다양한 양상들에 따른, 제2 프레임의 일 예를 예시한 다이어그램이다.
[0019] 도 2d는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내의 UL 채널들의 일 예를 예시한 다이어그램이다.
[0020] 도 3은 액세스 네트워크 내의 기지국 및 사용자 장비(UE)의 일 예를 예시한 다이어그램이다.
[0021] 도 4a는 본 개시내용의 다양한 양상들에 따른, 이전에 저장된 채널 상태 정보를 사용하는 인코딩 디바이스 및 디코딩 디바이스의 일 예를 예시한 다이어그램이다.
[0022] 도 4b는 본 개시내용의 다양한 양상들에 따른, 인코딩 디바이스 및 디코딩 디바이스와 연관된 일 예를 예시한 다이어그램이다.
[0023] 도 5 내지 도 8은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것과 연관된 예들을 예시한 다이어그램들이다.
[0024] 도 9 및 도 10은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩하는 것과 연관된 예시적인 프로세스들을 예시한 다이어그램들이다.
[0025] 도 11은 무선 통신의 콜-흐름도이다.
[0026] 도 12는 무선 통신 방법의 흐름도이다.
[0027] 도 13은 무선 통신 방법의 흐름도이다.
[0028] 도 14는 무선 통신 방법의 흐름도이다.
[0029] 도 15는 무선 통신 방법의 흐름도이다.
[0030] 도 16은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시한 다이어그램이다.
[0031] 도 17은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시한 다이어그램이다.
[0016] 도 2a는 본 개시내용의 다양한 양상들에 따른, 제1 프레임의 일 예를 예시한 다이어그램이다.
[0017] 도 2b는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내의 DL 채널들의 일 예를 예시한 다이어그램이다.
[0018] 도 2c는 본 개시내용의 다양한 양상들에 따른, 제2 프레임의 일 예를 예시한 다이어그램이다.
[0019] 도 2d는 본 개시내용의 다양한 양상들에 따른, 서브프레임 내의 UL 채널들의 일 예를 예시한 다이어그램이다.
[0020] 도 3은 액세스 네트워크 내의 기지국 및 사용자 장비(UE)의 일 예를 예시한 다이어그램이다.
[0021] 도 4a는 본 개시내용의 다양한 양상들에 따른, 이전에 저장된 채널 상태 정보를 사용하는 인코딩 디바이스 및 디코딩 디바이스의 일 예를 예시한 다이어그램이다.
[0022] 도 4b는 본 개시내용의 다양한 양상들에 따른, 인코딩 디바이스 및 디코딩 디바이스와 연관된 일 예를 예시한 다이어그램이다.
[0023] 도 5 내지 도 8은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것과 연관된 예들을 예시한 다이어그램들이다.
[0024] 도 9 및 도 10은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩하는 것과 연관된 예시적인 프로세스들을 예시한 다이어그램들이다.
[0025] 도 11은 무선 통신의 콜-흐름도이다.
[0026] 도 12는 무선 통신 방법의 흐름도이다.
[0027] 도 13은 무선 통신 방법의 흐름도이다.
[0028] 도 14는 무선 통신 방법의 흐름도이다.
[0029] 도 15는 무선 통신 방법의 흐름도이다.
[0030] 도 16은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시한 다이어그램이다.
[0031] 도 17은 예시적인 장치에 대한 하드웨어 구현의 일 예를 예시한 다이어그램이다.
[0032] 첨부된 도면들과 관련하여 아래에 기재된 상세한 설명은 다양한 구성들의 설명으로서 의도되며, 본 명세서에 설명된 개념들이 실시될 수 있는 유일한 구성들을 표현하도록 의도되지 않는다. 상세한 설명은 다양한 개념들의 완전한 이해를 제공하려는 목적을 위한 특정한 세부사항들을 포함한다. 그러나, 이들 개념들이 이들 특정한 세부사항들 없이도 실시될 수 있다는 것이 당업자들에게는 명백할 것이다. 일부 예시들에서, 잘 알려진 구조들 및 컴포넌트들은 그러한 개념들을 불명료하게 하는 것을 방지하기 위해 블록 다이어그램 형태로 도시된다.
[0033] 원격통신 시스템들의 수 개의 양상들은 이제 다양한 장치 및 방법들을 참조하여 제시될 것이다. 이들 장치 및 방법들은, 다양한 블록들, 컴포넌트들, 회로들, 프로세스들, 알고리즘들 등(총괄하여, "엘리먼트들"로 지칭됨)에 의해 다음의 상세한 설명에서 설명되고 첨부한 도면들에서 예시될 것이다. 이들 엘리먼트들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 이들의 임의의 조합을 사용하여 구현될 수 있다. 그러한 엘리먼트들이 하드웨어로서 구현될지 또는 소프트웨어로서 구현될지는 특정한 애플리케이션 및 전체 시스템에 부과된 설계 제약들에 의존한다.
[0034] 예로서, 엘리먼트, 또는 엘리먼트의 임의의 부분, 또는 엘리먼트들의 임의의 조합은, 하나 이상의 프로세서들을 포함하는 "프로세싱 시스템"으로서 구현될 수 있다. 프로세서들의 예들은, 마이크로프로세서들, 마이크로제어기들, GPU(graphics processing unit)들, CPU(central processing unit)들, 애플리케이션 프로세서들, DSP(digital signal processor)들, RISC(reduced instruction set computing) 프로세서들, SoC(systems on a chip), 베이스밴드 프로세서들, FPGA(field programmable gate array)들, PLD(programmable logic device)들, 상태 머신들, 게이팅된 로직, 이산 하드웨어 회로들, 및 본 개시내용 전반에 걸쳐 설명된 다양한 기능을 수행하도록 구성된 다른 적절한 하드웨어를 포함한다. 프로세싱 시스템의 하나 이상의 프로세서들은 소프트웨어를 실행할 수 있다. 소프트웨어는, 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 디스크립션 언어, 또는 다른 용어로서 지칭되는지에 관계없이, 명령들, 명령 세트들, 코드, 코드 세그먼트들, 프로그램 코드, 프로그램들, 서브프로그램들, 소프트웨어 컴포넌트들, 애플리케이션들, 소프트웨어 애플리케이션들, 소프트웨어 패키지들, 루틴들, 서브루틴들, 오브젝트들, 실행파일(executable)들, 실행 스레드들, 절차들, 함수들 등을 의미하도록 광범위하게 해석되어야 한다.
[0035] 따라서, 하나 이상의 예시적인 실시예들에서, 설명된 기능들은 하드웨어, 소프트웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현되면, 기능들은 컴퓨터 판독가능 매체 상에 하나 이상의 명령들 또는 코드로서 저장되거나 이로서 인코딩될 수 있다. 컴퓨터 판독가능 매체들은 컴퓨터 저장 매체들을 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용가능한 매체들일 수 있다. 제한이 아닌 예로서, 그러한 컴퓨터-판독가능 매체들은 RAM(random-access memory), ROM(read-only memory), EEPROM(electrically erasable programmable ROM), 광학 디스크 저장소, 자기 디스크 저장소, 다른 자기 저장 디바이스들, 컴퓨터-판독가능 매체들의 타입들의 조합들, 또는 컴퓨터에 의해 액세스될 수 있는 명령들 또는 데이터 구조들의 형태로 컴퓨터 실행가능 코드를 저장하는 데 사용될 수 있는 임의의 다른 매체를 포함할 수 있다.
[0036] 네트워크에서 동작하는 인코딩 디바이스는 네트워크 엔티티에 리포팅할 기준 신호들 등을 측정할 수 있다. 예컨대, 인코딩 디바이스는 CSF(channel state feedback)을 위해 빔 관리 프로세스 동안 기준 신호들을 측정할 수 있고, 서빙 셀 및/또는 이웃 셀들로부터 기준 신호들의 수신 전력을 측정할 수 있고, 라디오 액세스 기술(예컨대, WiFi)-간 네트워크들의 신호 강도를 측정할 수 있고, 환경 내의 하나 이상의 오브젝트들의 로케이션들을 검출하기 위해 센서 신호들을 측정할 수 있는 등의 식이다. 그러나, 측정 정보를 기지국에 리포팅하는 것은 통신 및/또는 네트워크 리소스들을 소비할 수 있다.
[0037] 본 명세서에 설명된 일부 양상들에서, 인코딩 디바이스(예컨대, UE, 기지국, TRP(transmit receive point), 네트워크 디바이스, LEO(low-earth orbit) 위성, MEO(medium-earth orbit) 위성, GEO(geostationary earth orbit) 위성, HEO(high elliptical orbit) 위성 등)는 하나 이상의 뉴럴 네트워크들을 트레이닝시켜, 개별 파라미터들에 대한 측정된 품질들의 의존성을 학습하고, 하나 이상의 뉴럴 네트워크들의 다양한 계층들을 통해, 측정된 품질들을 격리시키며(또한 "동작들"로 지칭됨), 압축 손실을 제한하는 방식으로 측정들을 압축할 수 있다. 일부 양상들에서, 인코딩 디바이스는, 비트들의 수량이 비트들의 수량에 영향을 주는 각각의 피처(또한, 차원으로 지칭됨)의 추출 및 압축의 프로세스를 구성하도록 압축되는 속성을 사용할 수 있다. 일부 양상들에서, 비트의 수량은 하나 이상의 기준 신호들의 샘플링과 연관될 수 있고 그리고/또는 채널 상태 정보를 표시할 수 있다. 예컨대, 인코딩 디바이스는 뉴럴 네트워크과 연관된 하나 이상의 추출 동작들 및 압축 동작들을 사용하여, 압축된 측정들을 생성하기 위해 측정들을 인코딩할 수 있으며, 하나 이상의 추출 동작들 및 압축 동작들은 측정들의 피처들의 세트에 적어도 부분적으로 기반한다.
[0038] 인코딩 디바이스는 압축된 측정들을 네트워크 엔티티, 이를테면 서버, TRP, 다른 UE, 기지국 등에 송신할 수 있다. 본 명세서에 설명된 예들이 기지국을 디코딩 디바이스로서 지칭하지만, 디코딩 디바이스는 임의의 네트워크 엔티티일 수 있다. 네트워크 엔티티는 "디코딩 디바이스"로 지칭될 수 있다.
[0039] 디코딩 디바이스는 뉴럴 네트워크과 연관된 하나 이상의 압축해제 동작들 및 재구성 동작들을 사용하여, 압축된 측정들을 디코딩할 수 있다. 하나 이상의 압축해제 및 재구성 동작들은 재구성된 측정들을 생성하기 위해, 압축된 데이터 세트의 피처들의 세트에 적어도 부분적으로 기반할 수 있다. 디코딩 디바이스는 재구성된 측정들을 채널 상태 정보 피드백으로서 사용할 수 있다.
[0040] UE는 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하도록 뉴럴 네트워크를 트레이닝시킬 수 있다. UE에서 뉴럴 네트워크를 트레이닝시킬 때, UE는 영향을 받는 계층들 또는 뉴럴 네트워크들의 서브세트를 선택적으로 트레이닝시킬 수 있다. 본 개시내용의 일부 양상들에 따르면, 네트워크 엔티티는 UE에서의 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 구성할 수 있고, UE는 뉴럴 네트워크를 선택적으로 트레이닝시킬 수 있다.
[0041] 양상들 및 구현들이 일부 예들에 대한 예시에 의해 본 명세서에서 설명되지만, 당업자들은, 부가적인 구현들 및 사용 사례들이 많은 상이한 어레인지먼트(arrangement)들 및 시나리오들에서 이루어질 수 있다는 것을 이해할 것이다. 본 명세서에 설명되는 양상들은 많은 상이한 플랫폼 타입들, 디바이스들, 시스템들, 형상들, 사이즈들, 및 패키징 어레인지먼트들에 걸쳐 구현될 수 있다. 예컨대, 구현들 및/또는 사용들은 집적 칩 구현들 및 다른 비-모듈-컴포넌트 기반 디바이스들(예컨대, 최종-사용자 디바이스들, 차량들, 통신 디바이스들, 컴퓨팅 디바이스들, 산업용 장비, 소매/구매 디바이스들, 의료용 디바이스들, 인공 지능(AI)-인에이블 디바이스들 등)을 통해 이루어질 수 있다. 일부 예들이 사용 사례들 또는 애플리케이션들에 구체적으로 지시될 수 있거나 지시되지 않을 수 있지만, 설명된 양상들의 다양한 적용가능성이 발생할 수 있다. 구현들은 칩-레벨 또는 모듈식 컴포넌트로부터 비-모듈식 비-칩-레벨 구현들까지 그리고 추가로 설명된 양상들의 하나 이상의 양상들을 포함하는 집합, 분산형, 또는 OEM(original equipment manufacturer) 디바이스들 또는 시스템들까지의 범위에 이를 수 있다. 일부 실제적인 세팅들에서, 설명된 양상들 및 특징들을 포함하는 디바이스들은 또한, 청구되고 설명된 양상의 구현 및 실시를 위한 부가적인 컴포넌트들 및 특징들을 포함할 수 있다. 예컨대, 무선 신호들의 송신 및 수신은 아날로그 및 디지털 목적들을 위한 다수의 컴포넌트들(예컨대, 안테나, RF-체인들, 전력 증폭기들, 변조기들, 버퍼, 프로세서(들), 인터리버, 가산기들/합산기들 등을 포함하는 하드웨어 컴포넌트들)을 반드시 포함한다. 본 명세서에 설명되는 양상들이 다양한 사이즈들, 형상들, 및 구성의 광범위하게 다양한 디바이스들, 칩-레벨 컴포넌트들, 시스템들, 분산형 어레인지먼트들, 어그리게이팅(aggregate)된 또는 디스어그리게이팅(disaggregate)된 컴포넌트들, 최종-사용자 디바이스들 등에서 실시될 수 있다는 것이 의도된다.
[0042] 도 1은 무선 통신 시스템 및 액세스 네트워크(100)의 일 예를 예시한 다이어그램이다. 무선 통신 시스템(또한, WWAN(wireless wide area network)으로 지칭됨)은 기지국들(102), UE들(104), EPC(Evolved Packet Core)(160), 및 다른 코어 네트워크(190)(예컨대, 5GC(5G Core))를 포함한다. 기지국들(102)은 매크로셀들(고전력 셀룰러 기지국) 및/또는 소형 셀들(저전력 셀룰러 기지국)을 포함할 수 있다. 매크로셀들은 기지국들을 포함한다. 소형 셀들은 펨토셀들, 피코셀들, 및 마이크로셀들을 포함한다.
[0043] 4G LTE를 위해 구성된 기지국들(102)(E-UTRAN(Evolved Universal Mobile Telecommunications System(UMTS) Terrestrial Radio Access Network)으로 총괄하여 지칭됨)은 제1 백홀 링크들(132)(예컨대, S1 인터페이스)을 통해 EPC(160)와 인터페이싱할 수 있다. 5G NR을 위해 구성된 기지국들(102)(NG-RAN(Next Generation RAN)으로 총괄하여 지칭됨)은 제2 백홀 링크들(184)을 통해 코어 네트워크(190)와 인터페이싱할 수 있다. 다른 기능들에 부가하여, 기지국들(102)은 다음의 기능들 중 하나 이상을 수행할 수 있다: 사용자 데이터의 전달, 라디오 채널 암호화 및 암호해독, 무결성 보호, 헤더 압축, 모빌리티 제어 기능들(예컨대, 핸드오버, 듀얼 연결), 셀간 간섭 조정, 연결 셋업 및 해제, 로드 밸런싱, NAS(non-access stratum) 메시지들에 대한 분배, NAS 노드 선택, 동기화, RAN(radio access network) 공유, MBMS(multimedia broadcast multicast service), 가입자 및 장비 추적, RIM(RAN information management), 페이징, 포지셔닝, 및 경고 메시지들의 전달. 기지국들(102)은 제3 백홀 링크들(134)(예컨대, X2 인터페이스)을 통해 서로 (예컨대, EPC(160) 또는 코어 네트워크(190)를 통해) 간접적으로 또는 직접적으로 통신할 수 있다. 제1 백홀 링크들(132), 제2 백홀 링크들(184), 및 제3 백홀 링크들(134)은 유선 또는 무선일 수 있다.
[0044] 기지국들(102)은 UE들(104)과 무선으로 통신할 수 있다. 기지국들(102) 각각은 개개의 지리적 커버리지 영역(110)에 대한 통신 커버리지를 제공할 수 있다. 중첩하는 지리적 커버리지 영역들(110)이 존재할 수 있다. 예컨대, 소형 셀(102')은, 하나 이상의 매크로 기지국들(102)의 커버리지 영역(110)에 중첩하는 커버리지 영역(110')을 가질 수 있다. 소형 셀 및 매크로셀들 둘 모두를 포함하는 네트워크는 이종 네트워크로 알려져 있을 수 있다. 이종 네트워크는 또한, CSG(closed subscriber group)로 알려진 제한된 그룹에 서비스를 제공할 수 있는 HeNB(Home eNB(Evolved Node B)들을 포함할 수 있다. 기지국들(102)과 UE들(104) 사이의 통신 링크들(120)은, UE(104)로부터 기지국(102)으로의 업링크(UL)(또한, 역방향 링크로 지칭됨) 송신들 및/또는 기지국(102)으로부터 UE(104)로의 다운링크(DL)(또한, 순방향 링크로 지칭됨) 송신들을 포함할 수 있다. 통신 링크들(120)은 공간 멀티플렉싱, 빔포밍, 및/또는 송신 다이버시티를 포함하는 MIMO(multiple-input and multiple-output) 안테나 기술을 사용할 수 있다. 통신 링크들은 하나 이상의 캐리어들을 통할 수 있다. 기지국들(102)/UE들(104)은 각각의 방향으로의 송신을 위해 사용된 총 Yx MHz(x개의 컴포넌트 캐리어들)까지의 캐리어 어그리게이션에 할당된 캐리어 당 Y MHz (예컨대, 5, 10, 15, 20, 100, 400 등의 MHz) 대역폭까지의 스펙트럼을 사용할 수 있다. 캐리어들은 서로 인접할 수 있거나 인접하지 않을 수 있다. 캐리어들의 할당은 DL 및 UL에 대해 비대칭적일 수 있다(예컨대, UL보다 더 많거나 더 적은 캐리어들이 DL에 대해 할당될 수 있음). 컴포넌트 캐리어들은 1차 컴포넌트 캐리어 및 하나 이상의 2차 컴포넌트 캐리어들을 포함할 수 있다. 1차 컴포넌트 캐리어는 PCell(primary cell)로 지칭될 수 있고, 2차 컴포넌트 캐리어는 SCell(secondary cell)로 지칭될 수 있다.
[0045] 특정한 UE들(104)은 D2D(device-to-device) 통신 링크(158)를 사용하여 서로 통신할 수 있다. D2D 통신 링크(158)는 DL/UL WWAN 스펙트럼을 사용할 수 있다. D2D 통신 링크(158)는, PSBCH(physical sidelink broadcast channel), PSDCH(physical sidelink discovery channel), PSSCH(physical sidelink shared channel), 및 PSCCH(physical sidelink control channel)과 같은 하나 이상의 사이드링크 채널들을 사용할 수 있다. D2D 통신은, 예컨대 WiMedia, Bluetooth, ZigBee, IEEE(Institute of Electrical and Electronics Engineers) 802.11 표준에 기반한 Wi-Fi, LTE, 또는 NR과 같은 다양한 무선 D2D 통신 시스템들을 통할 수 있다.
[0046] 무선 통신 시스템은, 예컨대 5GHz 비면허 주파수 스펙트럼 등에서 통신 링크들(154)을 통해 Wi-Fi 스테이션(STA)들(152)과 통신하는 Wi-Fi 액세스 포인트(AP)(150)를 더 포함할 수 있다. 비면허 주파수 스펙트럼에서 통신할 때, STA들(152)/AP(150)는, 채널이 이용가능한지 여부를 결정하기 위해, 통신하기 전에 CCA(clear channel assessment)를 수행할 수 있다.
[0047] 소형 셀(102')은 면허 및/또는 비면허 주파수 스펙트럼에서 동작할 수 있다. 비면허 주파수 스펙트럼에서 동작할 때, 소형 셀(102')은 NR을 이용하며, Wi-Fi AP(150)에 의해 사용되는 것과 동일한 비면허 주파수 스펙트럼(예컨대, 5 GHz 등)을 사용할 수 있다. 비면허 주파수 스펙트럼에서 NR을 이용하는 소형 셀(102')은 액세스 네트워크에 대한 커버리지를 부스팅(boost)하고 그리고/또는 액세스 네트워크의 능력을 증가시킬 수 있다.
[0048] 전자기 스펙트럼은 종종, 주파수/파장에 기반하여, 다양한 클래스들, 대역들, 채널들 등으로 세분된다. 5G NR에서, 2개의 초기 동작 대역들은 주파수 범위 지정들 FR1(410 MHz 내지 7.125 GHz) 및 FR2(24.25 GHz 내지 52.6 GHz)로서 식별되었다. FR1의 일부가 6 GHz보다 크지만, FR1은 종종, 다양한 문헌들 및 논문들에서 "서브-6(sub-6) GHz" 대역으로 (상호교환가능하게) 지칭된다. ITU(International Telecommunications Union)에 의해 "밀리미터파" 대역으로 식별되는 EHF(extremely high frequency) 대역(30 GHz 내지 300 GHz)과 상이함에도 불구하고, 문헌들 및 논문들에서 "밀리미터파" 대역으로 (상호교환가능하게) 종종 지칭되는 FR2에 관해 유사한 명칭 문제가 발생한다.
[0049] FR1과 FR2 사이의 주파수들은 종종 중간-대역 주파수들로 지칭된다. 최근의 5G NR 연구들은 이들 중간-대역 주파수들에 대한 동작 대역을 주파수 범위 지정 FR3(7.125 GHz 내지 24.25 GHz)로서 식별하였다. FR3 내에 속하는 주파수 대역들은 FR1 특성들 및/또는 FR2 특성들을 물려받을 수 있고, 따라서 FR1 및/또는 FR2의 특징들을 중간-대역 주파수들로 효과적으로 확장시킬 수 있다. 부가적으로, 5G NR 동작을 52.6 GHz를 넘어 확장시키기 위해 더 높은 주파수 대역들이 현재 탐색되고 있다. 예컨대, 3개의 더 높은 동작 대역들이 주파수 범위 지정들 FR4a 또는 FR4-1(52.6 GHz 내지 71 GHz), FR4(52.6 GHz 내지 114.25 GHz), 및 FR5(114.25GHz 내지 300 GHz)로서 식별되었다. 이들 더 높은 주파수 대역들 각각은 EHF 대역 내에 속한다.
[0050] 위의 양상들을 염두에 두고, 달리 구체적으로 언급되지 않는 한, 용어 "서브-6 GHz" 등은, 본 명세서에서 사용되는 경우, 6 GHz 미만일 수 있거나, FR1 내에 있을 수 있거나, 또는 중간-대역 주파수들을 포함할 수 있는 주파수들을 광범위하게 표현할 수 있다는 것이 이해되어야 한다. 추가로, 달리 구체적으로 언급되지 않는 한, 용어 "밀리미터파" 등은, 본 명세서에서 사용되는 경우, 중간-대역 주파수들을 포함할 수 있거나, FR2, FR4, FR4-a 또는 FR4-1, 및/또는 FR5 내에 있을 수 있거나, 또는 EHF 대역 내에 있을 수 있는 주파수들을 광범위하게 표현할 수 있다는 것이 이해되어야 한다.
[0051] 기지국(102)은, 소형 셀(102')이든 대형 셀(예컨대, 매크로 기지국)이든, eNB, gNB(gNodeB), 또는 다른 타입의 기지국을 포함하고 그리고/또는 이들로 지칭될 수 있다. 일부 기지국들, 이를테면 gNB(180)는 UE(104)와 통신할 시에, 종래의 서브 6 GHz 스펙트럼에서, 밀리미터파 주파수들에서, 그리고/또는 근 밀리미터파 주파수들에서 동작할 수 있다. gNB(180)가 밀리미터파 또는 근 밀리미터파 주파수들에서 동작할 때, gNB(180)는 밀리미터파 기지국으로 지칭될 수 있다. 밀리미터파 기지국(180)은 경로 손실 및 짧은 범위를 보상하기 위해 UE(104)에 대해 빔포밍(182)을 이용할 수 있다. 기지국(180) 및 UE(104)는 빔포밍을 용이하게 하기 위해 안테나 엘리먼트들, 안테나 패널들, 및/또는 안테나 어레이들과 같은 복수의 안테나들을 각각 포함할 수 있다.
[0052] 기지국(180)은 빔포밍된 신호를 하나 이상의 송신 방향들(182')로 UE(104)에 송신할 수 있다. UE(104)는 하나 이상의 수신 방향들(182'')에서 기지국(180)으로부터 빔포밍된 신호를 수신할 수 있다. UE(104)는 또한, 빔포밍된 신호를 하나 이상의 송신 방향들로 기지국(180)에 송신할 수 있다. 기지국(180)은 하나 이상의 수신 방향들에서 UE(104)로부터 빔포밍된 신호를 수신할 수 있다. 기지국(180)/UE(104)는 기지국(180)/UE(104) 각각에 대한 최상의 수신 및 송신 방향들을 결정하기 위해 빔 트레이닝을 수행할 수 있다. 기지국(180)에 대한 송신 및 수신 방향들은 동일할 수 있거나 동일하지 않을 수 있다. UE(104)에 대한 송신 및 수신 방향들은 동일할 수 있거나 동일하지 않을 수 있다.
[0053] EPC(160)는 MME(Mobility Management Entity)(162), 다른 MME들(164), 서빙 게이트웨이(166), MBMS(Multimedia Broadcast Multicast Service) 게이트웨이(168), BM-SC(Broadcast Multicast Service Center)(170), 및 PDN(Packet Data Network) 게이트웨이(172)를 포함할 수 있다. MME(162)는 HSS(Home Subscriber Server)(174)와 통신할 수 있다. MME(162)는 UE들(104)과 EPC(160) 사이의 시그널링을 프로세싱하는 제어 노드이다. 일반적으로, MME(162)는 베어러(bearer) 및 연결 관리를 제공한다. 모든 사용자 IP(Internet protocol) 패킷들은 서빙 게이트웨이(166)를 통해 전달되며, 서빙 게이트웨이(166) 그 자체는 PDN 게이트웨이(172)에 연결된다. PDN 게이트웨이(172)는 UE IP 어드레스 할당 뿐만 아니라 다른 기능들을 제공한다. PDN 게이트웨이(172) 및 BM-SC(170)는 IP 서비스들(176)에 연결된다. IP 서비스들(176)은 인터넷, 인트라넷, IMS(IP Multimedia Subsystem), PS 스트리밍 서비스, 및/또는 다른 IP 서비스들을 포함할 수 있다. BM-SC(170)는 MBMS 사용자 서비스 프로비저닝 및 전달을 위한 기능들을 제공할 수 있다. BM-SC(170)는 콘텐츠 제공자 MBMS 송신을 위한 엔트리 포인트로서 기능할 수 있고, PLMN(public land mobile network) 내의 MBMS 베어러 서비스들을 인가 및 개시하는 데 사용될 수 있으며, MBMS 송신들을 스케줄링하는 데 사용될 수 있다. MBMS 게이트웨이(168)는, 특정한 서비스를 브로드캐스팅하는 MBSFN(Multicast Broadcast Single Frequency Network) 영역에 속하는 기지국들(102)에 MBMS 트래픽을 분배하는 데 사용될 수 있고, 세션 관리(시작/중지)를 담당하고 eMBMS 관련 과금 정보를 수집하는 것을 담당할 수 있다.
[0054] 코어 네트워크(190)는 AMF(Access and Mobility Management Function)(192), 다른 AMF들(193), SMF(Session Management Function)(194), 및 UPF(User Plane Function)(195)를 포함할 수 있다. AMF(192)는 UDM(Unified Data Management)(196)과 통신할 수 있다. AMF(192)는 UE들(104)과 코어 네트워크(190) 사이의 시그널링을 프로세싱하는 제어 노드이다. 일반적으로, AMF(192)는 QoS 흐름 및 세션 관리를 제공한다. 모든 사용자 IP(Internet protocol) 패킷들은 UPF(195)를 통해 전달된다. UPF(195)는 UE IP 어드레스 할당 뿐만 아니라 다른 기능들을 제공한다. UPF(195)는 IP 서비스들(197)에 연결된다. IP 서비스들(197)은 인터넷, 인트라넷, IMS(IP Multimedia Subsystem), PSS(PS(Packet Switch) Streaming) 서비스, 및/또는 다른 IP 서비스들을 포함할 수 있다.
[0055] 기지국은 또한, gNB, Node B, eNB, 액세스 포인트, 베이스 트랜시버 스테이션, 라디오 기지국, 라디오 트랜시버, 트랜시버 기능, BSS(basic service set), ESS(extended service set), TRP(transmit reception point), 또는 일부 다른 적합한 용어를 포함하고 그리고/또는 이들로 지칭될 수 있다. 기지국(102)은 UE(104)에 대해 EPC(160) 또는 코어 네트워크(190)로의 액세스 포인트를 제공한다. UE들(104)들의 예들은 셀룰러 폰, 스마트폰, SIP(session initiation protocol) 폰, 랩톱, PDA(personal digital assistant), 위성 라디오, 글로벌 포지셔닝 시스템, 멀티미디어 디바이스, 비디오 디바이스, 디지털 오디오 플레이어(예컨대, MP3 플레이어), 카메라, 게임 콘솔, 태블릿, 스마트 디바이스, 웨어러블 디바이스, 차량, 전기 계량기, 가스 펌프, 대형 또는 소형 부엌 기기, 헬스케어 디바이스, 임플란트, 센서/액추에이터, 디스플레이, 또는 임의의 다른 유사한 기능 디바이스를 포함한다. UE들(104) 중 일부는 IoT 디바이스들(예컨대, 주차료 징수기, 가스 펌프, 토스터, 차량들, 심장 모니터링 등)로 지칭될 수 있다. UE(104)는 또한, 스테이션, 모바일 스테이션, 가입자 스테이션, 모바일 유닛, 가입자 유닛, 무선 유닛, 원격 유닛, 모바일 디바이스, 무선 디바이스, 무선 통신 디바이스, 원격 디바이스, 모바일 가입자 스테이션, 액세스 단말, 모바일 단말, 무선 단말, 원격 단말, 핸드셋, 사용자 에이전트, 모바일 클라이언트, 클라이언트, 또는 일부 다른 적절한 용어로 지칭될 수 있다. 일부 시나리오들에서, 용어 UE는 또한, 이를테면 디바이스 성상도 어레인지먼트 내의 하나 이상의 컴패니언 디바이스들에 적용될 수 있다. 이들 디바이스들 중 하나 이상이 네트워크에 집합적으로 액세스하거나 그리고/또는 네트워크에 개별적으로 액세스할 수 있다.
[0056] 도 1을 다시 참조하면, 특정한 양상들에서, UE(104) 또는 다른 인코딩 디바이스는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하고, 그리고 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키도록 구성된 CSI 구성 컴포넌트(198)를 포함할 수 있다. 특정한 양상들에서, 기지국(102, 180), TRP(103), 다른 UE(104), 또는 다른 디코딩 디바이스는 UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하고, 그리고 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하도록 구성된 CSI 구성 컴포넌트(199)를 포함할 수 있다. 다음의 설명이 5G NR에 포커싱될 수 있지만, 본 명세서에 설명된 개념들은 LTE, LTE-A, CDMA, GSM, 및 다른 무선 기술들과 같은 다른 유사한 영역들에 적용가능할 수 있다.
[0057] 도 2a는 5G NR 프레임 구조 내의 제1 서브프레임의 일 예를 예시한 다이어그램(200)이다. 도 2b는 5G NR 서브프레임 내의 DL 채널들의 일 예를 예시한 다이어그램(230)이다. 도 2c는 5G NR 프레임 구조 내의 제2 서브프레임의 일 예를 예시한 다이어그램(250)이다. 도 2d는 5G NR 서브프레임 내의 UL 채널들의 일 예를 예시한 다이어그램(280)이다. 5G NR 프레임 구조는 FDD(frequency division duplex) － 여기서, 서브캐리어들의 특정한 세트(캐리어 시스템 대역폭)에 대해, 서브캐리어들의 세트 내의 서브프레임들이 DL 또는 UL 중 어느 하나에 전용됨 － 될 수 있거나, 또는 TDD(time division duplex) － 여기서, 서브캐리어들의 특정한 세트(캐리어 시스템 대역폭)에 대해, 서브캐리어들의 세트 내의 서브프레임들이 DL 및 UL 둘 모두에 전용됨 － 될 수 있다. 도 2a, 도 2c에 의해 제공된 예들에서, 5G NR 프레임 구조는 TDD인 것으로 가정되며, 서브프레임 4는 (주로 DL에 대해) 슬롯 포맷 28을 이용하여 구성되고, D는 DL이고, U는 UL이고, F는 DL/UL 사이에서의 사용을 위해 유연하며, 서브프레임 3은 (모든 UL에 대해) 슬롯 포맷 1를 이용하여 구성된다. 서브프레임들 3, 4가 각각 슬롯 포맷들 1, 28을 갖는 것으로 도시되어 있지만, 임의의 특정한 서브프레임은 다양한 이용가능한 슬롯 포맷들 0 내지 61 중 임의의 슬롯 포맷을 이용하여 구성될 수 있다. 슬롯 포맷들 0, 1 모두는 각각 DL, UL이다. 다른 슬롯 포맷들 2 내지 61은 DL, UL, 및 유연한 심볼들의 혼합을 포함한다. UE들은 수신된 SFI(slot format indicator)를 통해 슬롯 포맷을 이용하여 (DCI(DL control information)를 통해 동적으로, 또는 RRC(radio resource control) 시그널링을 통해 반-정적으로/정적으로) 구성된다. 아래의 설명이 또한, TDD되는 5G NR 프레임 구조에 적용된다는 것을 유의한다.
[0058] 도 2a 내지 2d는 프레임 구조를 예시하며, 본 개시내용의 양상들은 상이한 프레임 구조 및/또는 상이한 채널들을 가질 수 있는 다른 무선 통신 기술들에 적용가능할 수 있다. 프레임(10 ms)은 10개의 동등하게 사이징(size)된 서브프레임들(1 ms)로 분할될 수 있다. 각각의 서브프레임은 하나 이상의 시간 슬롯들을 포함할 수 있다. 서브프레임들은 또한, 7개, 4개, 또는 2개의 심볼들을 포함할 수 있는 미니-슬롯들을 포함할 수 있다. CP(cyclic prefix)가 정규인지 또는 확장인지에 의존하여, 각각의 슬롯은 14개 또는 12개의 심볼들을 포함할 수 있다. 정규 CP의 경우, 각각의 슬롯은 14개의 심볼들을 포함할 수 있고, 확장 CP의 경우, 각각의 슬롯은 12개의 심볼들을 포함할 수 있다. DL 상의 심볼들은 CP-OFDM(CP OFDM(orthogonal frequency-division multiplexing)) 심볼들일 수 있다. UL 상의 심볼들은 (높은 스루풋 시나리오들의 경우) CP-OFDM 심볼들, 또는 (전력 제한된 시나리오들의 경우; 단일 스트림 송신으로 제한됨) DFT-s-OFDM(discrete Fourier transform(DFT) spread OFDM) 심볼들(SC-FDMA(single carrier frequency-division multiple access) 심볼들로 또한 지칭됨)일 수 있다. 서브프레임 내의 슬롯들의 수는 CP 및 뉴머롤로지(numerology)에 기반한다. 뉴머롤로지는 SCS(subcarrier spacing), 및 사실상, 1/SCS와 동일한 심볼 길이/지속기간을 정의한다.
[0059] 정규 CP(14개의 심볼들/슬롯)의 경우, 상이한 뉴머롤로지들 μ 0 내지 4는 각각 서브프레임 당 1개, 2개, 4개, 8개, 및 16개의 슬롯들을 허용한다. 확장 CP의 경우, 뉴머롤로지 2는 서브프레임 당 4개의 슬롯들을 허용한다. 따라서, 정규 CP 및 뉴머롤로지 μ의 경우, 14개의 심볼들/슬롯 및 2μ개의 슬롯들/서브프레임이 존재한다. 서브캐리어 간격은 2μ*15 kHz와 동일할 수 있으며, 여기서 μ는 뉴머롤로지 0 내지 4이다. 그러므로, 뉴머롤로지 μ=0은 15 kHz의 서브캐리어 간격을 갖고, 뉴머롤로지 μ=4는 240 kHz의 서브캐리어 간격을 갖는다. 심볼 길이/지속기간은 서브캐리어 간격과 반비례 관계이다. 도 2a 내지 도 2d는 슬롯 당 14개의 심볼들을 갖는 정규 CP 및 서브프레임 당 4개의 슬롯을 갖는 뉴머롤로지 μ=0의 일 예를 제공한다. 슬롯 지속기간은 0.25 ms이고, 서브캐리어 간격은 60 kHz이며, 심볼 지속기간은 대략 16.67 μs이다. 프레임들의 세트 내에서, 주파수 분할 멀티플렉싱된 하나 이상의 상이한 BWP(bandwidth part)들(도 2b 참조)이 존재할 수 있다. 각각의 BWP는 특정한 뉴머롤로지 및 CP(정규 또는 확장)를 가질 수 있다.
[0060] 리소스 그리드는 프레임 구조를 표현하는 데 사용될 수 있다. 각각의 시간 슬롯은 12개의 연속하는 서브캐리어들을 확장시키는 RB(resource block)(PRB(physical RB)들로 또한 지칭됨)를 포함한다. 리소스 그리드는 다수의 RE(resource element)들로 분할된다. 각각의 RE에 의해 반송된 비트들의 수는 변조 방식에 의존한다.
[0061] 도 2a에 예시된 바와 같이, RE들 중 일부는 UE에 대한 기준(파일럿) 신호들(RS)을 반송한다. RS는 UE에서의 채널 추정을 위한 DM-RS(demodulation RS)(하나의 특정한 구성에 대해 R로 표시되지만, 다른 DM-RS 구성들이 가능함) 및 CSI-RS(channel state information reference signals)를 포함할 수 있다. RS는 또한, BRS(beam measurement RS), BRRS(beam refinement RS), 및 PT-RS(phase tracking RS)를 포함할 수 있다.
[0062] 도 2b는 프레임의 서브프레임 내의 다양한 DL 채널들의 일 예를 예시한다. PDCCH(physical downlink control channel)는 하나 이상의 CCE(control channel element)들(예컨대, 1, 2개, 4개, 8개, 또는 16개의 CCE들) 내에서 DCI를 반송하며, 각각의 CCE는 6개의 REG(RE group)들을 포함하고, 각각의 REG는 OFDM 심볼에서 12개의 연속하는 RE들을 포함한다. 하나의 BWP 내의 PDCCH는 CORESET(control resource set)로 지칭될 수 있다. UE는 CORESET 상의 PDCCH 모니터링 기회들 동안 PDCCH 탐색 공간(예컨대, 공통 탐색 공간, UE-특정 탐색 공간)에서 PDCCH 후보들을 모니터링하도록 구성되며, 여기서 PDCCH 후보들은 상이한 DCI 포맷들 및 상이한 어그리게이션 레벨들을 갖는다. 부가적인 BWP들은 채널 대역폭에 걸쳐 더 크고 그리고/또는 더 낮은 주파수들에 로케이팅될 수 있다. PSS(primary synchronization signal)는 프레임의 특정한 서브프레임들의 심볼 2 내에 있을 수 있다. PSS는 서브프레임/심볼 타이밍 및 물리 계층 아이덴티티를 결정하도록 UE(104)에 의해 사용된다. SSS(secondary synchronization signal)는 프레임의 특정한 서브프레임들의 심볼 4 내에 있을 수 있다. SSS는 물리 계층 셀 아이덴티티 그룹 넘버 및 라디오 프레임 타이밍을 결정하도록 UE에 의해 사용된다. 물리 계층 아이덴티티 및 물리 계층 셀 아이덴티티 그룹 넘버에 기반하여, UE는 PCI(physical cell identifier)를 결정할 수 있다. PCI에 기반하여, UE는 DM-RS의 로케이션들을 결정할 수 있다. MIB(master information block)를 반송하는 PBCH(physical broadcast channel)는 SS(synchronization signal)/PBCH 블록(또한 SSB(SS block)로 지칭됨)을 형성하기 위해 PSS 및 SSS와 논리적으로 그룹화될 수 있다. MIB는 시스템 대역폭 내의 RB들의 수 및 SFN(system frame number)을 제공한다. PDSCH(physical downlink shared channel)는, 사용자 데이터, PBCH를 통해 송신되지 않는 브로드캐스트 시스템 정보, 이를테면 SIB(system information block)들, 및 페이징 메시지들을 반송한다.
[0063] 도 2c에 예시된 바와 같이, RE들 중 일부는 기지국에서의 채널 추정을 위한 DM-RS(하나의 특정한 구성에 대해 R로 표시되지만, 다른 DM-RS 구성들이 가능함)를 반송한다. UE는 PUCCH(physical uplink control channel)에 대한 DM-RS 및 PUSCH(physical uplink shared channel)에 대한 DM-RS를 송신할 수 있다. PUSCH DM-RS는 PUSCH의 처음 하나 또는 2개의 심볼들에서 송신될 수 있다. PUCCH DM-RS는, 짧은 PUCCH들이 송신되는지 또는 긴 PUCCH들이 송신되는지 여부에 의존하여 그리고 사용된 특정한 PUCCH 포맷에 의존하여 상이한 구성들로 송신될 수 있다. UE는 SRS(sounding reference signals)를 송신할 수 있다. SRS는 서브프레임의 최종 심볼에서 송신될 수 있다. SRS는 콤(comb) 구조를 가질 수 있으며, UE는 콤들 중 하나 상에서 SRS를 송신할 수 있다. SRS는, UL 상에서의 주파수-의존 스케줄링을 가능하게 하기 위한 채널 품질 추정을 위하여 기지국에 의해 사용될 수 있다.
[0064] 도 2d는 프레임의 서브프레임 내의 다양한 UL 채널들의 일 예를 예시한다. PUCCH는 일 구성에서 표시된 바와 같이 로케이팅될 수 있다. PUCCH는, 스케줄링 요청들, CQI(channel quality indicator), PMI(precoding matrix indicator), RI(rank indicator), 및 HARQ-ACK(HARQ(hybrid automatic repeat request) ACK(acknowledgment)) 피드백(즉, 하나 이상의 ACK 및/또는 부정 ACK(NACK)를 표시하는 하나 이상의 HARQ ACK 비트들)과 같은 UCI(uplink control information)를 반송한다. PUSCH는 데이터를 반송하며, 부가적으로는, BSR(buffer status report), PHR(power headroom report), 및/또는 UCI를 반송하기 위해 사용될 수 있다.
[0065] 도 3은 액세스 네트워크에서 UE(350)와 통신하는 기지국(310)의 블록 다이어그램이다. DL에서, EPC(160)로부터의 IP 패킷들은 제어기/프로세서(375)에 제공될 수 있다. 제어기/프로세서(375)는 계층 3 및 계층 2 기능을 구현한다. 계층 3은 RRC(radio resource control) 계층을 포함하고, 계층 2는 SDAP(service data adaptation protocol) 계층, PDCP(packet data convergence protocol) 계층, RLC(radio link control) 계층, 및 MAC(medium access control) 계층을 포함한다. 제어기/프로세서(375)는, 시스템 정보(예컨대, MIB, SIB들)의 브로드캐스팅, RRC 연결 제어(예컨대, RRC 연결 페이징, RRC 연결 설정, RRC 연결 수정, 및 RRC 연결 해제), RAT(radio access technology)간 모빌리티, 및 UE 측정 리포팅을 위한 측정 구성과 연관된 RRC 계층 기능; 헤더 압축/압축해제, 보안(암호화, 암호해독, 무결성 보호, 무결성 검증), 및 핸드오버 지원 기능들과 연관된 PDCP 계층 기능; 상위 계층 PDU(packet data unit)들의 전달, ARQ를 통한 에러 정정, RLC SDU(service data unit)들의 연접(concatenation), 세그먼트화, 및 리어셈블리, RLC 데이터 PDU들의 재-세그먼트화, 및 RLC 데이터 PDU들의 재순서화와 연관된 RLC 계층 기능; 및 논리 채널들과 전송 채널들 사이의 맵핑, 전송 블록(TB)들 상으로의 MAC SDU들의 멀티플렉싱, TB들로부터의 MAC SDU들의 디멀티플렉싱, 스케줄링 정보 리포팅, HARQ를 통한 에러 정정, 우선순위 핸들링, 및 논리 채널 우선순위화와 연관된 MAC 계층 기능을 제공한다.
[0066] 송신(TX) 프로세서(316) 및 수신(RX) 프로세서(370)는 다양한 신호 프로세싱 기능들과 연관된 계층 1 기능을 구현한다. 물리(PHY) 계층을 포함하는 계층 1은 전송 채널들 상에서의 에러 검출, 전송 채널들의 FEC(forward error correction) 코딩/디코딩, 인터리빙, 레이트 매칭, 물리 채널들 상으로의 맵핑, 물리 채널들의 변조/복조, 및 MIMO 안테나 프로세싱을 포함할 수 있다. TX 프로세서(316)는 다양한 변조 방식들(예컨대, BPSK(binary phase-shift keying), QPSK(quadrature phase-shift keying), M-PSK(M-phase-shift keying), M-QAM(M-quadrature amplitude modulation))에 기반한 신호 성상도(constellation)들로의 맵핑을 핸들링한다. 이어서, 코딩되고 변조된 심볼들은 병렬 스트림들로 분할될 수 있다. 이어서, 각각의 스트림은, OFDM 서브캐리어에 맵핑되고, 시간 및/또는 주파수 도메인에서 기준 신호(예컨대, 파일럿)와 멀티플렉싱되며, 이어서, IFFT(Inverse Fast Fourier Transform)을 사용하여 함께 결합되어, 시간 도메인 OFDM 심볼 스트림을 반송하는 물리 채널을 생성할 수 있다. OFDM 스트림은 다수의 공간 스트림들을 생성하기 위해 공간적으로 프리코딩된다. 채널 추정기(374)로부터의 채널 추정치들은 코딩 및 변조 방식을 결정하기 위해 뿐만 아니라 공간 프로세싱을 위해 사용될 수 있다. 채널 추정치는, UE(350)에 의해 송신된 채널 상태 피드백 및/또는 기준 신호로부터 도출될 수 있다. 이어서, 각각의 공간 스트림은 별개의 송신기(318)(TX)를 통해 상이한 안테나(320)로 제공될 수 있다. 각각의 송신기(318)(TX)는 송신을 위해 개개의 공간 스트림으로 RF(radio frequency) 캐리어를 변조할 수 있다.
[0067] UE(350)에서, 각각의 수신기(354)(RX)는 자신의 각각의 안테나(352)를 통해 신호를 수신한다. 각각의 수신기(354)(RX)는 RF 캐리어 상에 변조된 정보를 복원하고, 그 정보를 수신(RX) 프로세서(356)에 제공한다. TX 프로세서(368) 및 RX 프로세서(356)는 다양한 신호 프로세싱 기능들과 연관된 계층 1 기능을 구현한다. RX 프로세서(356)는 UE(350)를 목적지로 하는 임의의 공간 스트림들을 복원하도록 정보에 대해 공간 프로세싱을 수행할 수 있다. 다수의 공간 스트림들이 UE(350)를 목적지로 하면, 그들은 RX 프로세서(356)에 의해 단일 OFDM 심볼 스트림으로 결합될 수 있다. 이어서, RX 프로세서(356)는 FFT(Fast Fourier Transform)을 사용하여 시간-도메인으로부터 주파수 도메인으로 OFDM 심볼 스트림을 변환한다. 주파수 도메인 신호는, OFDM 신호의 각각의 서브캐리어에 대한 별개의 OFDM 심볼 스트림을 포함한다. 각각의 서브캐리어 상의 심볼들, 및 기준 신호는 기지국(310)에 의해 송신된 가장 가능성 있는 신호 성상도 포인트들을 결정함으로써 복원 및 복조된다. 이들 연판정들은, 채널 추정기(358)에 의해 계산된 채널 추정치들에 기반할 수 있다. 이어서, 연판정들은, 물리 채널 상에서 기지국(310)에 의해 본래 송신되었던 데이터 및 제어 신호들을 복원하기 위해 디코딩 및 디인터리빙된다. 이어서, 데이터 및 제어 신호들은, 계층 3 및 계층 2 기능을 구현하는 제어기/프로세서(359)에 제공된다.
[0068] 제어기/프로세서(359)는 프로그램 코드들 및 데이터를 저장하는 메모리(360)와 연관될 수 있다. 메모리(360)는 컴퓨터-판독가능 매체로 지칭될 수 있다. UL에서, 제어기/프로세서(359)는 전송 채널과 논리 채널 사이의 디멀티플렉싱, 패킷 리어셈블리, 암호해독, 헤더 압축해제, 및 제어 신호 프로세싱을 제공하여, EPC(160)로부터의 IP 패킷들을 복원한다. 제어기/프로세서(359)는 또한, HARQ 동작들을 지원하기 위해 ACK 및/또는 NACK 프로토콜을 사용하는 에러 검출을 담당한다.
[0069] 기지국(310)에 의한 DL 송신과 관련하여 설명된 기능과 유사하게, 제어기/프로세서(359)는, 시스템 정보(예컨대, MIB, SIB들) 획득, RRC 연결들, 및 측정 리포팅과 연관된 RRC 계층 기능; 헤더 압축/압축해제, 및 보안(암호화, 암호해독, 무결성 보호, 무결성 검증)과 연관된 PDCP 계층 기능; 상위 계층 PDU들의 전달, ARQ를 통한 에러 정정, RLC SDU들의 연접, 세그먼트화, 및 리어셈블리, RLC 데이터 PDU들의 재-세그먼트화, 및 RLC 데이터 PDU들의 재순서화와 연관된 RLC 계층 기능; 및 논리 채널들과 전송 채널들 사이의 맵핑, TB들 상으로의 MAC SDU들의 멀티플렉싱, TB들로부터의 MAC SDU들의 디멀티플렉싱, 스케줄링 정보 리포팅, HARQ를 통한 에러 정정, 우선순위 핸들링, 및 논리 채널 우선순위화와 연관된 MAC 계층 기능을 제공한다.
[0070] 기지국(310)에 의해 송신된 피드백 또는 기준 신호로부터 채널 추정기(358)에 의해 도출된 채널 추정치들은, 적절한 코딩 및 변조 방식들을 선택하고, 공간 프로세싱을 용이하게 하도록 TX 프로세서(368)에 의해 사용될 수 있다. TX 프로세서(368)에 의해 생성된 공간 스트림들은 별개의 송신기들(354TX)을 통해 상이한 안테나(352)에 제공될 수 있다. 각각의 송신기(354TX)는 송신을 위해 개개의 공간 스트림으로 RF 캐리어를 변조할 수 있다.
[0071] UL 송신은, UE(350)의 수신기 기능과 관련하여 설명된 것과 유사한 방식으로 기지국(310)에서 프로세싱된다. 각각의 수신기(318RX)는 자신의 개개의 안테나(320)를 통해 신호를 수신한다. 각각의 수신기(318RX)는 RF 캐리어 상의 변조된 정보를 복원하고, 그 정보를 RX 프로세서(370)에 제공한다.
[0072] 제어기/프로세서(375)는 프로그램 코드들 및 데이터를 저장하는 메모리(376)와 연관될 수 있다. 메모리(376)는 컴퓨터-판독가능 매체로 지칭될 수 있다. UL에서, 제어기/프로세서(375)는 전송 채널과 논리 채널 사이의 디멀티플렉싱, 패킷 리어셈블리, 암호해독, 헤더 압축해제, 제어 신호 프로세싱을 제공하여, UE(350)로부터의 IP 패킷들을 복원한다. 제어기/프로세서(375)로부터의 IP 패킷들은 EPC(160)에 제공될 수 있다. 제어기/프로세서(375)는 또한, HARQ 동작들을 지원하기 위해 ACK 및/또는 NACK 프로토콜을 사용하는 에러 검출을 담당한다.
[0073] TX 프로세서(368), RX 프로세서(356), 및 제어기/프로세서(359) 중 적어도 하나는 도 1의 198과 연관되는 양상들을 수행하도록 구성될 수 있다. TX 프로세서(316), RX 프로세서(370), 및 제어기/프로세서(375) 중 적어도 하나는 도 1의 199와 연관되는 양상들을 수행하도록 구성될 수 있다.
[0074] 무선 수신기는 다양한 타입들의 CSI(channel state information)를 송신 디바이스에 제공할 수 있다. 다른 예들 중에서, UE는 기지국으로부터 기준 신호와 같은 다운링크 신호들에 대한 측정들을 수행할 수 있고, CQI(channel quality indicator), PMI(precoding matrix indicator), RI(rank indicator), SSBRI(synchronization signal block/physical broadcast channel resource block indicator), LI(layer indicator)의 임의의 조합을 포함하는 CSI 리포트를 제공할 수 있다. UE는 기지국으로부터 수신된 하나 이상의 CSI-RS(channel state information reference signals), SSB, CSI-IM(channel state information interference measurement) 리소스들 등에 기반하여 측정들을 수행하고 CSI를 결정할 수 있다. 기지국은, 예컨대 CSI 측정 구성을 이용하여 CSI 측정들을 수행하도록 UE를 구성할 수 있다. 기지국은 기준 신호의 타입, 예컨대 NZP CSI-RS(non-zero power CSI-RS), SSB, CSI-IM 리소스 등을 표시하는 CSI 리소스 구성을 이용하여 UE를 구성할 수 있다. 기지국은, 구성된 CSI 측정들과 구성된 CSI 리소스들 사이의 맵핑을 표시하고, UE가 CSI 리포트를 기지국에 제공한다는 것을 표시하는 CSI 리포트 구성을 이용하여 UE를 구성할 수 있다.
[0075] 상이한 타입들의 CSI가 존재할 수 있다. 제1 타입의 CSI(타입 I CSI로 지칭될 수 있음)는, UE가 더 양호한 채널 측정들을 갖는 (예컨대, 빔들(182' 또는 182'')의) 하나 이상의 빔 인덱스들의 세트를 선택하고 빔들의 세트에 대한 CSI 정보를 기지국에 송신하는 사전 빔 선택(fore beam selection)일 수 있다.
[0076] 제2 타입의 CSI(타입 II CSI로 지칭될 수 있음)는 빔들의 세트의 빔 조합들에 대한 것일 수 있다. UE는 다양한 빔들의(예컨대, 빔들(182' 또는 182'')의) 더 양호한 선형 결합 계수들을 결정할 수 있고, 빔들을 결합하기 위해 계수들 뿐만 아니라 빔들의 세트에 대한 빔 인덱스들을 송신할 수 있다. UE는 서브-대역 단위로 빔 결합들에 대한 계수들을 제공할 수 있다. 예컨대, UE는 각각의 구성된 서브-대역에 대해 타입 II CSI를 제공할 수 있다.
[0077] 본 출원은 채널을 압축하고 채널을 기지국에 피드백하기 위해 기계 학습 또는 하나 이상의 뉴럴 네트워크들을 사용하는 부가적인 타입의 CSI를 제공한다. CSI는 뉴럴 네트워크 기반 CSI로, 또는 예컨대 다른 이름들에 의해 지칭될 수 있다. CSI는 UE에서 관측된 간섭을 측정하고 그에 관한 피드백을 제공하기 위해 기계 학습 또는 하나 이상의 뉴럴 네트워크들을 사용할 수 있다. 피드백은, 예컨대 액세스 링크를 통한 통신을 위해 기지국에 제공될 수 있다. 다른 예들에서, 피드백은 (예컨대, 사이드링크 통신을 위해) TRP 또는 다른 UE에 제공될 수 있다.
[0078] 도 4a는 본 개시내용의 양상들에 따른, 이전에 저장된 CSI를 사용하는 인코딩 디바이스(400) 및 디코딩 디바이스(425)의 컴포넌트들의 예시적인 아키텍처를 예시한다. 일부 예들에서, 인코딩 디바이스(400)는 UE(예컨대, 104 또는 350)일 수 있고, 디코딩 디바이스(425)는 기지국(예컨대, 102, 180, 310), TRP(예컨대, TRP(103)), 다른 UE(예컨대, UE(104)) 등일 수 있다. 인코딩 디바이스(400) 및 디코딩 디바이스(425)는 이전에 저장된 CSI를 저장 및 사용할 수 있고, 이전의 인스턴스로부터의 CSI의 변화를 인코딩 및 디코딩할 수 있다. 이것은 더 적은 CSI 피드백 오버헤드를 제공할 수 있고, 성능을 개선시킬 수 있다. 인코딩 디바이스(400)는 또한, 더 정확한 CSI를 인코딩할 수 있을 수 있고, 뉴럴 네트워크는 더 정확한 CSI를 이용하여 트레이닝될 수 있다. 인코딩 디바이스(400) 및 디코딩 디바이스(425)의 예시적인 아키텍처는 CSI의 결정, 예컨대 컴퓨테이션(computation) 및 뉴럴 네트워크 또는 기계 학습에 기반한 프로세싱을 포함하는 인코딩 디바이스(400)로부터 디코딩 디바이스(425)로의 피드백 제공을 위해 사용될 수 있다.
[0079] 402에 예시된 바와 같이, 인코딩 디바이스(400)는 인코딩을 위해 입력되는 CSI-RS, SSB, CSI-IM 리소스들 등과 같은 기지국으로부터의 다운링크 신호들에 기반하여 다운링크 채널 추정들을 측정한다. 시간 t에서의 다운링크 채널 추정 인스턴스는 H(t)로 표현되며, 시간 t 동안 단일 CSI 인스턴스를 인코딩하고 시간 t 동안 인코딩된 CSI 인스턴스를 m(t)로서 CSI 시퀀스 인코더(406)에 출력하는 CSI 인스턴스 인코더(404)에 제공된다. CSI 시퀀스 인코더(406)는 도플러를 고려할 수 있다.
[0080] 도 4a에 도시된 바와 같이, CSI 인스턴스 인코더(404)는 DL 채널 추정들의 시퀀스 내의 각각의 DL 채널 추정에 대한 중간 인코딩된 CSI로 CSI 인스턴스를 인코딩할 수 있다. CSI 인스턴스 인코더(404)(예컨대, 피드포워드(feedforward) 네트워크)는 인코더 파라미터들(422)로부터의 뉴럴 네트워크 인코더 가중치들 θ를 사용할 수 있다. 중간 인코딩된 CSI는 
로서 표현될 수 있다. CSI 시퀀스 인코더(406)는 LSTM(long short term memory) 네트워크에 기반할 수 있는 반면, CSI 인스턴스 인코더(404)는 피드포워드 네트워크에 기반할 수 있다. 다른 예들에서, CSI 시퀀스 인코더(406)는 게이트 재귀적 유닛 네트워크(gated recursive unit network) 또는 재귀적 유닛 네트워크에 기반할 수 있다. CSI 시퀀스 인코더(406)(예컨대, LSTM(Long Short-Term Memory) 네트워크)는 메모리(408)로부터 이전에 인코딩된 CSI 인스턴스 h(t-1)를 결정하고, 중간 인코딩된 CSI m(t)와 이전에 인코딩된 CSI 인스턴스 h(t-1)를 비교하여, 인코딩된 CSI의 변화 n(t)를 결정할 수 있다. 변화 n(t)는 새로운 채널 추정의 일부일 수 있고, 디코딩 디바이스에 의해 예측되지 않을 수 있다. 이러한 포인트에서의 인코딩된 CSI는 
에 의해 표현될 수 있다. CSI 시퀀스 인코더(406)는 PUSCH(physical uplink shared channel) 또는 PUCCH(physical uplink control channel)(410) 상에서 이러한 변화 n(t)를 제공할 수 있고, 인코딩 디바이스는 변화(예컨대, 변화를 표시하는 정보) n(t)를 인코딩된 CSI로서 UL 채널 상에서 디코딩 디바이스에 송신할 수 있다. 변화가 전체 CSI 인스턴스보다 작기 때문에, 인코딩 디바이스는, 변경에 대한 더 상세한 정보를 인코딩된 CSI에 포함시키면서, 인코딩된 CSI에 대한 더 작은 페이로드를 UL 채널 상에서 전송할 수 있다. CSI 시퀀스 인코더(406)는 중간 인코딩된 CSI m(t) 및 이전에 인코딩된 CSI 인스턴스 h(t-1)의 적어도 일부에 적어도 부분적으로 기반하여, 인코딩된 CSI h(t)를 생성할 수 있다. CSI 시퀀스 인코더(406)는 인코딩된 CSI h(t)를 메모리(408)에 저장할 수 있다.
[0081] CSI 시퀀스 디코더(414)는 PUSCH 또는 PUCCH(412) 상에서, 인코딩된 CSI를 수신할 수 있다. CSI 시퀀스 디코더(414)는 CSI의 변화 n(t)만이 인코딩된 CSI로서 수신된다고 결정할 수 있다. CSI 시퀀스 디코더(414)는 메모리(416)로부터의 인코딩된 CSI 및 이전의 중간 디코딩된 CSI 인스턴스 h(t-1)의 적어도 일부 및 변화에 적어도 부분적으로 기반하여 중간 디코딩된 CSI m(t)를 결정할 수 있다. CSI 인스턴스 디코더(418)는 중간 디코딩된 CSI m(t)를 디코딩된 CSI로 디코딩할 수 있다. CSI 시퀀스 디코더(414) 및 CSI 인스턴스 디코더(418)는 디코더 파라미터들(424)로부터의 뉴럴 네트워크 디코더 가중치들 φ를 사용할 수 있다. 중간 디코딩된 CSI는 
에 의해 표현될 수 있다. CSI 시퀀스 디코더(414)는 중간 디코딩된 CSI m(t) 및 이전에 디코딩된 CSI 인스턴스 h(t-1)의 적어도 일부에 적어도 부분적으로 기반하여, 디코딩된 CSI h(t)를 생성할 수 있다. 420에서, 디코딩 디바이스는 디코딩된 CSI h(t)로부터 DL 채널 추정을 재구성할 수 있고, 재구성된 채널 추정은 
에 의해 표현될 수 있다. CSI 시퀀스 디코더(414)는 디코딩된 CSI h(t)를 메모리(416)에 저장할 수 있다.
[0082] 변화 n(t)가 전체 CSI 인스턴스보다 작기 때문에, 인코딩 디바이스는 UL 채널 상에서 더 작은 페이로드를 전송할 수 있다. 예컨대, 낮은 도플러 또는 인코딩 디바이스에 의한 이동이 거의 없음으로 인해 DL 채널이 이전의 피드백으로부터 거의 변화되지 않았다면, CSI 시퀀스 인코더의 출력은 다소 콤팩트(compact)할 수 있다. 이러한 방식으로, 인코딩 디바이스는 시간에 걸친 채널 추정들의 상관을 이용할 수 있다. 일부 양상들에서, 출력이 작기 때문에, 인코딩 디바이스는 변화에 대한 더 상세한 정보를 인코딩된 CSI에 포함할 수 있다. 일부 양상들에서, 인코딩 디바이스는 인코딩된 CSI가 시간적으로 인코딩된다는 표시(예컨대, 플래그)를 디코딩 디바이스에 송신할 수 있다(CSI 변화). 대안적으로, 인코딩 디바이스는 인코딩된 CSI가 임의의 이전에 인코딩된 CSI 피드백과 독립적으로 인코딩된다는 표시를 송신할 수 있다. 디코딩 디바이스는 이전에 디코딩된 CSI 인스턴스를 사용하지 않으면서, 인코딩된 CSI를 디코딩할 수 있다. 일부 양상들에서, 인코딩 디바이스 또는 디코딩 디바이스를 포함할 수 있는 디바이스는 CSI 시퀀스 인코더 및 CSI 시퀀스 디코더를 사용하여 뉴럴 네트워크 모델을 트레이닝시킬 수 있다.
[0083] 일부 양상들에서, CSI는 채널 추정(채널 응답으로 지칭됨) H 및 간섭 N의 함수일 수 있다. H 및 N을 전달하기 위한 다수의 방식들이 존재할 수 있다. 예컨대, 인코딩 디바이스는 CSI를 
로서 인코딩할 수 있다. 인코딩 디바이스는 H 및 N을 별개로 인코딩할 수 있다. 인코딩 디바이스는 H 및 N을 별개로 부분적으로 인코딩하고, 이어서, 2개의 부분적으로 인코딩된 출력들을 공동으로(jointly) 인코딩할 수 있다. H 및 N을 별개로 인코딩하는 것이 유리할 수 있다. 간섭 및 채널 변동들은 상이한 시간 스케일들 상에서 발생할 수 있다. 낮은 도플러 시나리오에서, 채널이 안정적일 수 있지만, 트래픽 또는 스케줄러 알고리즘들로 인해 여전히 간섭이 더 빠르게 변화될 수 있다. 높은 도플러 시나리오에서, 채널은 UE의 스케줄러-그룹화보다 빠르게 변화될 수 있다. 일부 양상들에서, 인코딩 디바이스 또는 디코딩 디바이스를 포함할 수 있는 디바이스는 별개로 인코딩된 H 및 N을 사용하여 뉴럴 네트워크 모델을 트레이닝시킬 수 있다.
[0084] 일부 양상들에서, 재구성된 DL 채널 
은 DL 채널 H를 충실히 반영할 수 있으며, 이는 명시적 피드백으로 불릴 수 있다. 일부 양상들에서, 
는 디코딩 디바이스가 랭크 및 프리코딩을 도출하는 데 요구되는 그 정보만을 캡처할 수 있다. CQI는 별개로 피드백될 수 있다. CSI 피드백은 m(t)로서, 또는 시간적 인코딩 시나리오에서는 n(t)로서 표현될 수 있다. 타입-II CSI 피드백과 유사하게, m(t)는 RI(rank index), 빔 인덱스들, 및 진폭들 또는 위상들을 표현하는 계수들의 연접(concatenation)이 되도록 구조화될 수 있다. 일부 양상들에서, m(t)는 실수 값 벡터의 양자화된 버전일 수 있다. 빔들은 미리 정의될 수 있거나(트레이닝에 의해 획득되지 않음), 또는 트레이닝의 일부(예컨대, θ 및 φ의 일부이고, 인코딩 디바이스 또는 디코딩 디바이스에 운반됨)일 수 있다.
[0085] 일부 양상들에서, 디코딩 디바이스 및 인코딩 디바이스는, (다양한 정확도 대 UL 오버헤드 트레이드오프를 위해) 상이한 페이로드 사이즈를 각각 타깃팅하는 다수의 인코더 및 디코더 네트워크들을 유지할 수 있다. 각각의 CSI 피드백에 대해, 재구성 품질 및 업링크 버짓(budget)(예컨대, PUSCH 페이로드 사이즈)에 의존하여, 인코딩된 CSI를 구성하기 위해 인코더들 중 하나를, 인코딩 디바이스는 선택할 수 있거나, 또는 디코딩 디바이스는 인코딩 디바이스에게 선택하도록 명령할 수 있다. 인코딩 디바이스는 인코딩 디바이스에 의해 선택된 인코더에 적어도 부분적으로 기반하여 CSI와 함께 인코더의 인덱스를 전송할 수 있다. 유사하게, 디코딩 디바이스 및 인코딩 디바이스는 상이한 안테나 지오메트리들 및 채널 상태들에 대처하기 위해 다수의 인코더 및 디코더 네트워크들을 유지할 수 있다. 일부 동작들이 디코딩 디바이스 및 인코딩 디바이스에 대해 설명되지만, 이들 동작들은 또한, 인코더 및 디코더 가중치들 및/또는 구조들의 사전 구성의 일부로서 다른 디바이스에 의해 수행될 수 있다는 것을 유의한다.
[0086] 위에서 표시된 바와 같이, 도 4a는 일 예로서 제공될 수 있다. 다른 예들은 도 4a에 관해 설명된 것과는 상이할 수 있다.
[0087] 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것에 적어도 부분적으로 기반하여, 인코딩 디바이스는 감소된 페이로드로 CSF를 송신할 수 있다. 이는 인코딩 디바이스에 의해 샘플링된 바와 같은 전체 데이터 세트를 송신하는 데 달리 사용되었을 수 있는 네트워크 리소스들을 절약할 수 있다.
[0088] 도 4b는 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것과 연관된 일 예(450)를 예시한 다이어그램이다. 인코딩 디바이스(예컨대, UE(104), 인코딩 디바이스(400) 등)는 샘플들을 압축하기 위해 인코딩 디바이스(400)의 하나 이상의 안테나들을 통해 수신된 샘플들(예컨대, 데이터)에 대해 하나 이상의 동작들을 수행하도록 구성될 수 있다. 디코딩 디바이스(425)(예컨대, 기지국(102 또는 180), 디코딩 디바이스(425) 등)는 CSF와 같은 정보를 결정하기 위해, 압축된 샘플들을 디코딩하도록 구성될 수 있다.
[0089] 일부 양상들에서, 인코딩 디바이스는 압축할 피처를 식별할 수 있다. 일부 양상들에서, 인코딩 디바이스는 압축할 피처와 연관된 제1 차원에서 제1 타입의 동작을 수행할 수 있다. 인코딩 디바이스는 다른 차원들에서에서(예컨대, 모든 다른 차원들에서) 제2 타입의 동작을 수행할 수 있다. 예컨대, 인코딩 디바이스는 제1 차원에 대해 완전히 연결된 동작을 수행하고, 모든 다른 차원들에서는 콘볼루션(convolution)(예컨대, 포인트별(pointwise) 콘볼루션)을 수행할 수 있다.
[0090] 일부 양상들에서, 참조 번호들은 다수의 뉴럴 네트워크 계층들 및/또는 동작들을 포함하는 동작들을 식별한다. 인코딩 디바이스 및 디코딩 디바이스의 뉴럴 네트워크들은 참조된 동작들 중 하나 이상의 동작들의 연접에 의해 형성될 수 있다.
[0091] 참조 번호(455)로 도시된 바와 같이, 인코딩 디바이스는 데이터에 대해 공간적 피처 추출을 수행할 수 있다. 참조 번호(460)로 도시된 바와 같이, 인코딩 디바이스는 데이터에 대해 탭 도메인 피처 추출을 수행할 수 있다. 일부 양상들에서, 인코딩 디바이스는 공간적 피처 추출을 수행하기 전에 탭 도메인 피처 추출을 수행할 수 있다. 일부 양상들에서, 추출 동작은 다수의 동작들을 포함할 수 있다. 예컨대, 다수의 동작들은 활성화되거나 비활성일 수 있는 하나 이상의 콘볼루션 동작들, 하나 이상의 완전히 연결된 동작들 등을 포함할 수 있다. 일부 양상들에서, 추출 동작은 ResNet(residual neural network) 동작을 포함할 수 있다.
[0092] 참조 번호(465)로 도시된 바와 같이, 인코딩 디바이스는 추출된 하나 이상의 피처들을 압축할 수 있다. 일부 양상들에서, 압축 동작은 하나 이상의 콘볼루션 동작들, 하나 이상의 완전히 연결된 동작들 등과 같은 하나 이상의 동작들을 포함할 수 있다. 압축 이후, 출력의 비트 카운트가 입력의 비트 카운트보다 적을 수 있다.
[0093] 참조 번호(470)로 도시된 바와 같이, 인코딩 디바이스는 양자화 동작을 수행할 수 있다. 일부 양상들에서, 인코딩 디바이스는 압축 동작의 출력을 평탄화한 이후 양자화 동작을 수행하고 그리고/또는 출력을 평탄화한 이후, 완전히 연결된 동작을 수행할 수 있다.
[0094] 참조 번호(475)로 도시된 바와 같이, 디코딩 디바이스는 피처 압축해제를 수행할 수 있다. 참조 번호(480)로 도시된 바와 같이, 디코딩 디바이스는 탭 도메인 피처 재구성을 수행할 수 있다. 참조 번호(485)로 도시된 바와 같이, 디코딩 디바이스는 공간적 피처 재구성을 수행할 수 있다. 일부 양상들에서, 디코딩 디바이스는 탭 도메인 피처 재구성을 수행하기 전에 공간적 피처 재구성을 수행할 수 있다. 재구성 동작들 이후, 디코딩 디바이스는 인코딩 디바이스의 입력의 재구성된 버전을 출력할 수 있다.
[0095] 일부 양상들에서, 디코딩 디바이스는 인코딩 디바이스에 의해 수행되는 동작들과 반대인 순서로 동작들을 수행할 수 있다. 예컨대, 인코딩 디바이스가 동작들 (a, b, c, d)를 따르면, 디코딩 디바이스는 역 동작들 (D, C, B, A)를 따를 수 있다. 일부 양상들에서, 디코딩 디바이스는 인코딩 디바이스의 동작들과 완전히 대칭인 동작들을 수행할 수 있다. 이는 UE에서 뉴럴 네트워크 구성에 대해 필요한 비트들의 수를 감소시킬 수 있다. 일부 양상들에서, 디코딩 디바이스는 인코딩 디바이스의 동작들에 부가하여 부가적인 동작들(예컨대, 콘볼루션 동작들, 완전히 연결된 동작들, ResNet 동작들 등)을 수행할 수 있다. 일부 양상들에서, 디코딩 디바이스는 인코딩 디바이스의 동작들과 비대칭인 동작들을 수행할 수 있다.
[0096] 인코딩 디바이스가 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩하는 것에 적어도 부분적으로 기반하여, 인코딩 디바이스(예컨대, UE)는 감소된 페이로드로 CSF를 송신할 수 있다. 이는 인코딩 디바이스에 의해 샘플링된 바와 같은 전체 데이터 세트를 송신하는 데 달리 사용되었을 수 있는 네트워크 리소스들을 절약할 수 있다.
[0097] 위에서 표시된 바와 같이, 도 4b는 단지 일 예로서 제공된다. 다른 예들은 도 4b에 관해 설명된 것과는 상이할 수 있다.
[0098] 이를테면, 도 4a와 관련하여 설명된 기계 학습 또는 뉴럴 네트워크에 기반한 뉴럴 네트워크 기반 CSI는 더 포괄적인 방식으로 다운링크 채널을 압축할 수 있다. 예컨대, 타입 II CSI에서, UE가 CSI를 리포팅하는 모든 서브-대역들에 대해 서브-대역 사이즈가 고정될 수 있다. 예컨대, 서브-대역 입도(예컨대, 서브-대역) 사이즈는 BWP(bandwidth part) 내의 서브-대역 인덱스의 함수가 아닐 수 있다. 일부 주파수 대역들의 경우, 서브-대역 사이즈는 필요한 더 많은 입도를 제공할 수 있다. 다른 주파수 대역들에서, 서브-대역 사이즈는 충분한 입도를 제공하지 못할 수 있다. 뉴럴 네트워크 기반 CSI는, 예컨대 전체 채널에 걸쳐 CSI를 제공함으로써, 고정된 서브-대역 사이즈의 문제들을 해결할 수 있다. 뉴럴 네트워크 기반 CSI는 더 크거나 더 작은 정확도로 일부 서브-대역들을 압축하도록 구성될 수 있다. 뉴럴 네트워크 기반 CSI는 또한, 예컨대 기지국에서 MU-MIMO(multiple user multiple input multiple output) 무선 통신에 대한 이점들을 제공할 수 있다. 뉴럴 네트워크 기반 CSI는 채널 및 간섭에 관한 직접적인 정보를 제공하고, 디코딩 디바이스(이를테면, 기지국)가 수신기들(예컨대, UE들)을 더 양호하게 그룹화하게 허용한다.
[0099] 도 5는 본 개시내용의 다양한 양상들에 따른, 인코딩 디바이스 및 디코딩 디바이스와 연관된 일 예(500)를 예시한 다이어그램이다. 인코딩 디바이스(예컨대, UE(102/350), 인코딩 디바이스(400) 등)는 데이터를 압축하기 위해 데이터에 대해 하나 이상의 동작들(502)을 수행하도록 구성될 수 있다. 디코딩 디바이스(예컨대, 기지국(102/180/310), 디코딩 디바이스(425) 등)는 정보를 결정하기 위해, 압축된 데이터를 디코딩하도록 구성될 수 있다.
[0100] 본 명세서에서 사용되는 바와 같이, 뉴럴 네트워크의 "계층"은 입력 데이터에 대한 동작을 나타내는 데 사용된다. 예컨대, 콘볼루션 계층, 완전히 연결된 계층 등은 계층에 입력되는 데이터에 대한 연관된 동작들을 나타낸다. 콘볼루션 AxB 동작은 다수의 입력 피처들 A를 다수의 출력 피처들 B로 변환하는 동작을 지칭한다. "커널 사이즈"는 차원에서 결합된 다수의 인접 계수들을 지칭한다.
[0101] 본 명세서에서 사용되는 바와 같이, "가중치"는 입력 데이터의 다양한 행들 및/또는 열들을 결합하기 위한 계층들에서의 동작들에서 사용되는 하나 이상의 계수들을 나타내는 데 사용된다. 예컨대, 완전히 연결된 계층 동작은 입력 행렬 x와 가중치들 A(이는 행렬일 수 있음)의 곱과 바이어스 값들 B(이는 행렬일 수 있음)의 합에 적어도 부분적으로 기반하여 결정되는 출력 y를 가질 수 있다. 용어 "가중치들"은 일반적으로 가중치들 및 바이어스 값들 둘 모두를 지칭하기 위해 본 명세서에서 사용될 수 있다.
[0102] 예(500)에 도시된 바와 같이, 인코딩 디바이스는 샘플들에 대해 콘볼루션 동작을 수행할 수 있다. 예컨대, 인코딩 디바이스는 탭 피처들(예컨대, 다중경로 타이밍 오프셋들과 관련됨) 및 공간적 피처들(예컨대, 인코딩 디바이스의 상이한 안테나들과 관련됨)에 대한 IQ 샘플링을 표시하는 2x64x32 데이터 세트로서 구조화된 비트들의 세트를 수신할 수 있다. 콘볼루션 동작은 데이터 구조에 대해 3과 3의 커널 사이즈들을 갖는 2x2 동작일 수 있다. 콘볼루션 동작의 출력은 LeakyReLU 활성화가 뒤따르는 BN(batch normalization) 계층에 입력되어, 차원들 2x64x32를 갖는 출력 데이터 세트를 제공할 수 있다. 인코딩 디바이스는 비트들을 4096 비트 벡터로 평탄화하기 위해 평탄화 동작을 수행할 수 있다. 인코딩 디바이스는 차원들 4096xM을 갖는 완전히 연결된 동작을 4096 비트 벡터에 적용하여, M 비트들의 페이로드를 출력할 수 있다. 인코딩 디바이스는 M 비트들의 페이로드를 디코딩 디바이스에 송신할 수 있다.
[0103] 디코딩 디바이스는 차원들 Mx4096을 갖는 완전히 연결된 동작을 M 비트 페이로드에 적용하여, 4096 비트 벡터를 출력할 수 있다. 디코딩 디바이스는 차원 2x64x32를 갖도록 4096 비트 벡터를 재형상화할 수 있다. 디코딩 디바이스는 재형상화된 비트 벡터에 대해 하나 이상의 개량(refinement) 네트워크(RefineNet) 동작들을 적용할 수 있다. 예컨대, RefineNet 동작(550)은, 차원들 8x64x32를 갖는 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 2x8 콘볼루션 동작(예컨대, 3과 3의 커널 사이즈들을 가짐)의 적용, 차원들 16x64x32를 갖는 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 8x16 콘볼루션 동작(예컨대, 3과 3의 커널 사이즈들을 가짐)의 적용, 및/또는 차원들 2x64x32를 갖는 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 16x2 콘볼루션 동작(예컨대, 3과 3의 커널 사이즈들을 가짐)의 적용을 포함할 수 있다. 디코딩 디바이스는 또한, 디코딩된 및/또는 재구성된 출력을 생성하기 위해 3과 3의 커널 사이즈들을 갖는 2x2 콘볼루션 동작을 적용할 수 있다.
[0104] 위에서 표시된 바와 같이, 도 5는 단지 일 예로서 제공된다. 다른 예들은 도 5에 관해 설명된 것과는 상이할 수 있다.
[0105] 본 명세서에 설명된 바와 같이, 네트워크에서 동작하는 인코딩 디바이스는 디코딩 디바이스에 리포팅할 기준 신호들 등을 측정할 수 있다. 예컨대, UE는 CSF(channel state information feedback)을 리포팅하기 위해 빔 관리 프로세스 동안 기준 신호들을 측정할 수 있고, 서빙 셀 및/또는 이웃 셀들로부터 기준 신호들의 수신 전력을 측정할 수 있고, 라디오 액세스 기술(예컨대, WiFi)-간 네트워크들의 신호 강도를 측정할 수 있고, 환경 내의 하나 이상의 오브젝트들의 로케이션들을 검출하기 위해 센서 신호들을 측정할 수 있는 등의 식이다. 그러나, 이러한 정보를 네트워크 엔티티에 리포팅하는 것은 통신 및/또는 네트워크 리소스들을 소비할 수 있다.
[0106] 본 명세서에 설명된 일부 양상들에서, 인코딩 디바이스(예컨대, UE)는 하나 이상의 뉴럴 네트워크들을 트레이닝시켜, 개별 파라미터들에 대한 측정된 품질들의 의존성을 학습하고, 하나 이상의 뉴럴 네트워크들의 다양한 계층들을 통해, 측정된 품질들을 격리시키며(또한 "동작들"로 지칭됨), 압축 손실을 제한하는 방식으로 측정들을 압축할 수 있다.
[0107] 일부 양상들에서, 인코딩 디바이스는, 비트들의 수량이 비트들의 수량에 영향을 주는 각각의 피처(또한, 차원으로 지칭됨)의 추출 및 압축의 프로세스를 구성하도록 압축되는 속성을 사용할 수 있다. 일부 양상들에서, 비트의 수량은 하나 이상의 기준 신호들의 샘플링과 연관될 수 있고 그리고/또는 채널 상태 정보를 표시할 수 있다.
[0108] 도 6은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것과 연관된 일 예(600)를 예시한 다이어그램이다. 인코딩 디바이스(예컨대, UE(120), 인코딩 디바이스(400) 등)는 샘플들을 압축하기 위해 인코딩 디바이스의 하나 이상의 안테나들을 통해 수신된 샘플들(예컨대, 데이터)에 대해 하나 이상의 동작들을 수행하도록 구성될 수 있다. 디코딩 디바이스(예컨대, 기지국(102 또는 180), 디코딩 디바이스(425) 등)는 CSF와 같은 정보를 결정하기 위해, 압축된 샘플들을 디코딩하도록 구성될 수 있다.
[0109] 예(600)에 의해 도시된 바와 같이, 인코딩 디바이스는 안테나들로부터 샘플링을 수신할 수 있다. 예컨대, 인코딩 디바이스는 안테나들의 수, 안테나 당 샘플들의 수, 및 탭 피처에 적어도 부분적으로 기반하여 64x64 차원 데이터 세트를 수신할 수 있다.
[0110] 인코딩 디바이스는 공간적 피처 추출, 짧은 시간적(탭) 피처 추출 등을 수행할 수 있다. 일부 양상들에서, 이것은 (공간적 피처를 추출하기 위한) 공간 차원에서 완전히 연결되는 1-차원 콘볼루션 동작 및 (짧은 탭 피처를 추출하기 위한) 탭 차원에서 작은 커널 사이즈(예컨대, 3)를 갖는 간단한 콘볼루션의 사용을 통해 달성될 수 있다. 그러한 64xW 1-차원 콘볼루션 동작으로부터의 출력은 Wx64 행렬일 수 있다.
[0111] 인코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 공간적 피처 및/또는 시간적 피처를 추가로 개량시킬 수 있다. 일부 양상들에서, ResNet 동작은 피처와 연관된 다수의 동작들을 포함할 수 있다. 예컨대, ResNet 동작은 다수(예컨대, 3개)의 1-차원 콘볼루션 동작들, (예컨대, 1-차원 콘볼루션 동작들의 적용을 피하기 위한 ResNet의 입력과 ResNet의 출력 사이의) 스킵 연결, 다수의 1-차원 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 일부 양상들에서, 다수의 1-차원 콘볼루션 동작들은, 차원 256x64의 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 커널 사이즈 3을 가진 Wx256 콘볼루션 동작, 차원 512x64의 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 커널 사이즈 3을 가진 256x512 콘볼루션 동작, 및 차원 Wx64의 BN 데이터 세트를 출력하는 커널 사이즈 3을 가진 512xW 콘볼루션 동작을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 Wx64 행렬일 수 있다.
[0112] 인코딩 디바이스는 하나 이상의 ResNet 동작들로부터의 출력에 대해 WxV 콘볼루션 동작을 수행할 수 있다. WxV 콘볼루션 동작은 포인트별(예컨대, 탭별) 콘볼루션 동작을 포함할 수 있다. WxV 콘볼루션 동작은 각각의 탭에 대해 공간적 피처들을 감소된 차원으로 압축할 수 있다. WxV 콘볼루션 동작은 W개의 피처들의 입력 및 V개의 피처들의 출력을 갖는다. WxV 콘볼루션 동작으로부터의 출력은 Vx64 행렬일 수 있다.
[0113] 인코딩 디바이스는 Vx64 행렬을 64V 엘리먼트 벡터로 평탄화하기 위해 평탄화 동작을 수행할 수 있다. 인코딩 디바이스는 디코딩 디바이스에 오버 디 에어(over the air)로 송신하기 위해 공간적-시간적 피처 데이터 세트를 사이즈 M의 낮은 차원 벡터로 추가로 압축하도록 64VxM의 완전히 연결된 동작을 수행할 수 있다. 인코딩 디바이스는 송신의 샘플링을 사이즈 M의 낮은 차원 벡터에 대한 이산 값들로 맵핑하기 위해 사이즈 M의 낮은 차원 벡터의 오버 디 에어 송신 전에 양자화를 수행할 수 있다.
[0114] 디코딩 디바이스는 사이즈 M의 낮은 차원 벡터를 공간적-시간적 피처 데이터 세트로 압축해제하기 위해 Mx64V의 완전히 연결된 동작을 수행할 수 있다. 디코딩 디바이스는 64V 엘리먼트 벡터를 2-차원 Vx64 행렬로 재형상화하기 위해 재형상화 동작을 수행할 수 있다. 디코딩 디바이스는 재형상화 동작으로부터의 출력에 대해 VxW(1의 커널을 가짐) 콘볼루션 동작을 수행할 수 있다. VxW 콘볼루션 동작은 포인트별(예컨대, 탭별) 콘볼루션 동작을 포함할 수 있다. VxW 콘볼루션 동작은 각각의 탭에 대해, 감소된 차원으로부터 공간적 피처들을 압축해제할 수 있다. VxW 콘볼루션 동작은 V개의 피처들의 입력 및 W개의 피처들의 출력을 갖는다. VxW 콘볼루션 동작으로부터의 출력은 Wx64 행렬일 수 있다.
[0115] 디코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 공간적 피처 및/또는 시간적 피처를 추가로 압축해제할 수 있다. 일부 양상들에서, ResNet 동작은 다수(예컨대, 3개)의 1-차원 콘볼루션 동작들, (예컨대, 1-차원 콘볼루션 동작들의 적용을 피하기 위한) 스킵 연결, 다수의 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 Wx64 행렬일 수 있다.
[0116] 디코딩 디바이스는 공간적 및 시간적 피처 재구성을 수행할 수 있다. 일부 양상들에서, 이것은 (공간적 피처를 재구성하기 위한) 공간 차원에서 완전히 연결되는 1-차원 콘볼루션 동작 및 (짧은 탭 피처를 재구성하기 위한) 탭 차원에서 작은 커널 사이즈(예컨대, 3)를 갖는 간단한 콘볼루션의 사용을 통해 달성될 수 있다. 64xW 콘볼루션 동작으로부터의 출력은 64x64 행렬일 수 있다.
[0117] 일부 양상들에서, M, W, 및/또는 V의 값들은 피처들의 가중치들, 페이로드 사이즈 등을 조정하도록 구성가능할 수 있다.
[0118] 위에서 표시된 바와 같이, 도 6은 단지 일 예로서 제공된다. 다른 예들은 도 6에 관해 설명된 것과는 상이할 수 있다.
[0119] 도 7은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것과 연관된 일 예(700)를 예시한 다이어그램이다. 인코딩 디바이스(예컨대, UE(120), 인코딩 디바이스(400) 등)는 샘플들을 압축하기 위해 인코딩 디바이스의 하나 이상의 안테나들을 통해 수신된 샘플들(예컨대, 데이터)에 대해 하나 이상의 동작들을 수행하도록 구성될 수 있다. 디코딩 디바이스(예컨대, 기지국(102 또는 180), 디코딩 디바이스(425) 등)는 CSF와 같은 정보를 결정하기 위해, 압축된 샘플들을 디코딩하도록 구성될 수 있다. 예(700)에 의해 도시된 바와 같이, 피처들은 차례대로 압축 및 압축해제될 수 있다. 예컨대, 인코딩 디바이스는 페이로드를 생성하기 위해 입력과 연관된 피처들을 추출 및 압축할 수 있고, 이어서, 디코딩 디바이스는 입력을 재구성하기 위해 페이로드와 연관된 피처들을 추출 및 압축할 수 있다. 인코딩 및 디코딩 동작들은 (도시된 바와 같이) 대칭 또는 비대칭일 수 있다.
[0120] 예(700)에 의해 도시된 바와 같이, 인코딩 디바이스는 안테나들로부터 샘플링을 수신할 수 있다. 예컨대, 인코딩 디바이스는 안테나들의 수, 안테나 당 샘플들의 수, 및 탭 피처에 적어도 부분적으로 기반하여 256x64 차원 데이터 세트를 수신할 수 있다. 인코딩 디바이스는 데이터를 (64x64x4) 데이터 세트로 재형상화할 수 있다.
[0121] 인코딩 디바이스는 2-차원의 64x128 콘볼루션 동작(3과 1의 커널 사이즈들을 가짐)을 수행할 수 있다. 일부 양상들에서, 64x128 콘볼루션 동작은 디코딩 디바이스 안테나 차원과 연관된 공간적 피처 추출, 디코딩 디바이스(예컨대, 기지국) 안테나 차원과 연관된 짧은 시간적(탭) 피처 추출 등을 수행할 수 있다. 일부 양상들에서, 이것은 디코딩 디바이스 안테나 차원에서 완전히 연결된 2D 콘볼루션 계층, 탭 차원에서 작은 커널 사이즈(예컨대, 3) 및 인코딩 디바이스 안테나 차원에서 작은 커널 사이즈(예컨대, 1)를 갖는 간단한 콘볼루션 동작의 사용을 통해 달성될 수 있다. 64xW 콘볼루션 동작으로부터의 출력은 (128x64x4) 차원 행렬일 수 있다.
[0122] 인코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 디코딩 디바이스와 연관된 공간적 피처 및/또는 디코딩 디바이스와 연관된 시간적 피처를 추가로 개량시킬 수 있다. 일부 양상들에서, ResNet 동작은 피처와 연관된 다수의 동작들을 포함할 수 있다. 예컨대, ResNet 동작은 다수(예컨대, 3개)의 2-차원 콘볼루션 동작들, (예컨대, 2-차원 콘볼루션 동작들의 적용을 피하기 위한 ResNet의 입력과 ResNet의 출력 사이의) 스킵 연결, 다수의 2-차원 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 일부 양상들에서, 다수의 2-차원 콘볼루션 동작들은, 차원 2Wx64xV의 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 커널 사이즈들 3과 1을 가진 Wx2W 콘볼루션 동작, 차원 4Wx64xV의 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 커널 사이즈들 3과 1을 가진 2Wx4W 콘볼루션 동작, 및 차원 (128x64x4)의 BN 데이터 세트를 출력하는 커널 사이즈들 3과 1을 가진 4WxW 콘볼루션 동작을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 (128x64x4) 차원 행렬일 수 있다.
[0123] 인코딩 디바이스는 하나 이상의 ResNet 동작들로부터의 출력에 대해 2-차원의 128xV 콘볼루션 동작(1과 1의 커널 사이즈들을 가짐)을 수행할 수 있다. 128xV 콘볼루션 동작은 포인트별(예컨대, 탭별) 콘볼루션 동작을 포함할 수 있다. WxV 콘볼루션 동작은 각각의 탭에 대해 디코딩 디바이스와 연관된 공간적 피처들을 감소된 차원으로 압축할 수 있다. 128xV 콘볼루션 동작으로부터의 출력은 (4x64xV) 차원 행렬일 수 있다.
[0124] 인코딩 디바이스는 2-차원의 4x8 콘볼루션 동작(3과 1의 커널 사이즈들을 가짐)을 수행할 수 있다. 일부 양상들에서, 4x8 콘볼루션 동작은 인코딩 디바이스 안테나 차원과 연관된 공간적 피처 추출, 인코딩 디바이스 안테나 차원과 연관된 짧은 시간적(탭) 피처 추출 등을 수행할 수 있다. 4x8 콘볼루션 동작으로부터의 출력은 (8x64xV) 차원 행렬일 수 있다.
[0125] 인코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 인코딩 디바이스와 연관된 공간적 피처 및/또는 인코딩 디바이스와 연관된 시간적 피처를 추가로 개량시킬 수 있다. 일부 양상들에서, ResNet 동작은 피처와 연관된 다수의 동작들을 포함할 수 있다. 예컨대, ResNet 동작은 다수(예컨대, 3개)의 2-차원 콘볼루션 동작들, (예컨대, 2-차원 콘볼루션 동작들의 적용을 피하기 위한) 스킵 연결, 다수의 2-차원 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 (8x64xV) 차원 행렬일 수 있다.
[0126] 인코딩 디바이스는 하나 이상의 ResNet 동작들로부터의 출력에 대해 2-차원의 8xU 콘볼루션 동작(1과 1의 커널 사이즈들을 가짐)을 수행할 수 있다. 8xU 콘볼루션 동작은 포인트별(예컨대, 탭별) 콘볼루션 동작을 포함할 수 있다. 8xU 콘볼루션 동작은 각각의 탭에 대해 디코딩 디바이스와 연관된 공간적 피처들을 감소된 차원으로 압축할 수 있다. 128xV 콘볼루션 동작으로부터의 출력은 (Ux64xV) 차원 행렬일 수 있다.
[0127] 인코딩 디바이스는 (Ux64xV) 차원 행렬을 64UV 엘리먼트 벡터로 평탄화하기 위해 평탄화 동작을 수행할 수 있다. 인코딩 디바이스는 디코딩 디바이스에 오버 디 에어로 송신하기 위해 2-차원의 공간적-시간적 피처 데이터 세트를 사이즈 M의 낮은 차원 벡터로 추가로 압축하도록 64UVxM의 완전히 연결된 동작을 수행할 수 있다. 인코딩 디바이스는 송신의 샘플링을 사이즈 M의 낮은 차원 벡터에 대한 이산 값들로 맵핑하기 위해 사이즈 M의 낮은 차원 벡터의 오버 디 에어 송신 전에 양자화를 수행할 수 있다.
[0128] 디코딩 디바이스는 사이즈 M의 낮은 차원 벡터를 공간적-시간적 피처 데이터 세트로 압축해제하기 위해 Mx64UV의 완전히 연결된 동작을 수행할 수 있다. 디코딩 디바이스는 64UV 엘리먼트 벡터를 (Ux64xV) 차원 행렬로 재형상화하기 위해 재형상화 동작을 수행할 수 있다. 디코딩 디바이스는 재형상화 동작으로부터의 출력에 대해 2-차원의 Ux8(1, 1의 커널을 가짐) 콘볼루션 동작을 수행할 수 있다. Ux8 콘볼루션 동작은 포인트별(예컨대, 탭별) 콘볼루션 동작을 포함할 수 있다. Ux8 콘볼루션 동작은 각각의 탭에 대해, 감소된 차원으로부터 공간적 피처들을 압축해제할 수 있다. Ux8 콘볼루션 동작으로부터의 출력은 (8x64xV) 차원 데이터 세트일 수 있다.
[0129] 디코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 인코딩 디바이스와 연관된 공간적 피처 및/또는 시간적 피처를 추가로 압축해제할 수 있다. 일부 양상들에서, ResNet 동작은 다수(예컨대, 3개)의 2-차원 콘볼루션 동작들, (예컨대, 2-차원 콘볼루션 동작들의 적용을 피하기 위한) 스킵 연결, 다수의 2-차원 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 (8x64xV) 차원 데이터 세트일 수 있다.
[0130] 디코딩 디바이스는 2-차원의 8x4 콘볼루션 동작(3과 1의 커널 사이즈들을 가짐)을 수행할 수 있다. 일부 양상들에서, 8x4 콘볼루션 동작은 인코딩 디바이스 안테나 차원에서의 공간적 피처 재구성, 및 짧은 시간적 피처 재구성 등을 수행할 수 있다. 8x4 콘볼루션 동작으로부터의 출력은 (Vx64x4) 차원 데이터 세트일 수 있다.
[0131] 디코딩 디바이스는 디코딩 디바이스와 연관된 탭 피처 및 공간적 피처를 재구성하기 위해 2-차원의 8x4 콘볼루션 동작으로부터의 출력에 대해 2-차원의 Vx128(1의 커널을 가짐) 콘볼루션 동작을 수행할 수 있다. Vx128 콘볼루션 동작은 포인트별(예컨대, 탭별) 콘볼루션 동작을 포함할 수 있다. Vx128 콘볼루션 동작은 각각의 탭에 대해 감소된 차원으로부터 디코딩 디바이스와 연관된 공간적 피처들을 압축해제할 수 있다. Ux8 콘볼루션 동작으로부터의 출력은 (128x64x4) 차원 행렬일 수 있다.
[0132] 디코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 디코딩 디바이스와 연관된 공간적 피처 및/또는 시간적 피처를 추가로 압축해제할 수 있다. 일부 양상들에서, ResNet 동작은 다수(예컨대, 3개)의 2-차원 콘볼루션 동작들, (예컨대, 2-차원 콘볼루션 동작들의 적용을 피하기 위한) 스킵 연결, 다수의 2-차원 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 (128x64x4) 차원 행렬일 수 있다.
[0133] 디코딩 디바이스는 2-차원의 128x64 콘볼루션 동작(3과 1의 커널 사이즈들을 가짐)을 수행할 수 있다. 일부 양상들에서, 128x64 콘볼루션 동작은 디코딩 디바이스 안테나 차원과 연관된 공간적 피처 재구성, 짧은 시간적 피처 재구성 등을 수행할 수 있다. 128x64 콘볼루션 동작으로부터의 출력은 (64x64x4) 차원 데이터 세트일 수 있다.
[0134] 일부 양상들에서, M, V, 및/또는 U의 값들은 피처들의 가중치들, 페이로드 사이즈 등을 조정하도록 구성가능할 수 있다. 예컨대, M의 값은 32, 64, 128, 256, 또는 512일 수 있고, V의 값은 16일 수 있고, 그리고/또는 U의 값은 1일 수 있다.
[0135] 위에서 표시된 바와 같이, 도 7은 단지 일 예로서 제공된다. 다른 예들은 도 7에 관해 설명된 것과는 상이할 수 있다.
[0136] 도 8은 본 개시내용의 다양한 양상들에 따른, 업링크 통신을 위해 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩 및 디코딩하는 것과 연관된 일 예(800)를 예시한 다이어그램이다. 인코딩 디바이스(예컨대, UE(120), 인코딩 디바이스(400) 등)는 샘플들을 압축하기 위해 인코딩 디바이스의 하나 이상의 안테나들을 통해 수신된 샘플들(예컨대, 데이터)에 대해 하나 이상의 동작들을 수행하도록 구성될 수 있다. 디코딩 디바이스(예컨대, 기지국(102 또는 180), 디코딩 디바이스(425) 등)는 CSF와 같은 정보를 결정하기 위해, 압축된 샘플들을 디코딩하도록 구성될 수 있다. 인코딩 디바이스 및 디코딩 디바이스 동작들은 비대칭일 수 있다. 다시 말하면, 디코딩 디바이스는 디코딩 디바이스보다 더 많은 수의 계층들을 가질 수 있다.
[0137] 예(800)에 의해 도시된 바와 같이, 인코딩 디바이스는 안테나들로부터 샘플링을 수신할 수 있다. 예컨대, 인코딩 디바이스는 안테나들의 수, 안테나 당 샘플들의 수, 및 탭 피처에 적어도 부분적으로 기반하여 64x64 차원 데이터 세트를 수신할 수 있다.
[0138] 인코딩 디바이스는 64xW 콘볼루션 동작(1의 커널 사이즈를 가짐)을 수행할 수 있다. 일부 양상들에서, 64xW 콘볼루션 동작은 안테나들에서 완전히 연결될 수 있고, 탭들에서의 콘볼루션 등일 수 있다. 64xW 콘볼루션 동작으로부터의 출력은 Wx64 행렬일 수 있다. 인코딩 디바이스는 하나 이상의 WxW 콘볼루션 동작들(1 또는 3의 커널 사이즈를 가짐)을 수행할 수 있다. 하나 이상의 WxW 콘볼루션 동작들로부터의 출력은 Wx64 행렬일 수 있다. 인코딩 디바이스는 콘볼루션 동작들(1의 커널 사이즈를 가짐)을 수행할 수 있다. 일부 양상들에서, 하나 이상의 WxW 콘볼루션 동작들은 공간적 피처 추출, 짧은 시간적(탭) 피처 추출 등을 수행할 수 있다. 일부 양상들에서, WxW 콘볼루션 동작들은 일련의 1-차원 콘볼루션 동작들일 수 있다.
[0139] 인코딩 디바이스는 Wx64 행렬을 64W 엘리먼트 벡터로 평탄화하기 위해 평탄화 동작을 수행할 수 있다. 인코딩 디바이스는 디코딩 디바이스에 오버 디 에어로 송신하기 위해 공간적-시간적 피처 데이터 세트를 사이즈 M의 낮은 차원 벡터로 추가로 압축하도록 4096xM의 완전히 연결된 동작을 수행할 수 있다. 인코딩 디바이스는 송신의 샘플링을 사이즈 M의 낮은 차원 벡터에 대한 이산 값들로 맵핑하기 위해 사이즈 M의 낮은 차원 벡터의 오버 디 에어 송신 전에 양자화를 수행할 수 있다.
[0140] 디코딩 디바이스는 사이즈 M의 낮은 차원 벡터를 공간적-시간적 피처 데이터 세트로 압축해제하기 위해 4096xM의 완전히 연결된 동작을 수행할 수 있다. 디코딩 디바이스는 6W 엘리먼트 벡터를 Wx64 행렬로 재형상화하기 위해 재형상화 동작을 수행할 수 있다.
[0141] 디코딩 디바이스는 하나 이상의 ResNet 동작들을 수행할 수 있다. 하나 이상의 ResNet 동작들은 공간적 피처 및/또는 시간적 피처를 압축해제할 수 있다. 일부 양상들에서, ResNet 동작은 다수(예컨대, 3개)의 1-차원 콘볼루션 동작들, (예컨대, 1-차원 콘볼루션 동작들의 적용을 피하기 위한 ResNet의 입력과 ResNet의 출력 사이의) 스킵 연결, 다수의 1-차원 콘볼루션 동작들을 통한 경로와 스킵 연결을 통한 경로의 합산 동작 등을 포함할 수 있다. 일부 양상들에서, 다수의 1-차원 콘볼루션 동작들은, 차원 256x64의 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 커널 사이즈 3을 가진 Wx256 콘볼루션 동작, 차원 512x64의 출력 데이터 세트를 생성하는 LeakyReLU 활성화가 뒤따르는 BN 계층으로 입력되는 출력을 갖는 커널 사이즈 3을 가진 256x512 콘볼루션 동작, 및 차원 Wx64의 BN 데이터 세트를 출력하는 커널 사이즈 3을 가진 512xW 콘볼루션 동작을 포함할 수 있다. 하나 이상의 ResNet 동작들로부터의 출력은 Wx64 행렬일 수 있다.
[0142] 디코딩 디바이스는 하나 이상의 WxW 콘볼루션 동작들(1 또는 3의 커널 사이즈를 가짐)을 수행할 수 있다. 하나 이상의 WxW 콘볼루션 동작들로부터의 출력은 Wx64 행렬일 수 있다. 인코딩 디바이스는 콘볼루션 동작들(1의 커널 사이즈를 가짐)을 수행할 수 있다. 일부 양상들에서, WxW 콘볼루션 동작들은 공간적 피처 재구성, 짧은 시간적(탭) 피처 재구성 등을 수행할 수 있다. 일부 양상들에서, WxW 콘볼루션 동작들은 일련의 1-차원 콘볼루션 동작들일 수 있다.
[0143] 인코딩 디바이스는 Wx64 콘볼루션 동작(1의 커널 사이즈를 가짐)을 수행할 수 있다. 일부 양상들에서, Wx64 콘볼루션 동작은 1-차원 콘볼루션 동작일 수 있다. 64xW 콘볼루션 동작으로부터의 출력은 64x64 행렬일 수 있다.
[0144] 일부 양상들에서, M, 및/또는 W의 값들은 피처들의 가중치들, 페이로드 사이즈 등을 조정하도록 구성가능할 수 있다.
[0145] 위에서 표시된 바와 같이, 도 8은 단지 일 예로서 제공된다. 다른 예들은 도 8에 관해 설명된 것과는 상이할 수 있다.
[0146] 도 9는 본 개시내용의 다양한 양상들에 따른, 예컨대 제1 디바이스에 의해 수행되는 예시적인 프로세스(900)를 예시한 다이어그램이다. 예시적인 프로세스(900)는 제1 디바이스(예컨대, 인코딩 디바이스, UE(104) 등)가 뉴럴 네트워크를 사용하여 데이터 세트를 인코딩하는 것과 연관된 동작들을 수행하는 일 예이다.
[0147] 도 9에 도시된 바와 같이, 일부 양상들에서, 프로세스(900)는 뉴럴 네트워크와 연관된 하나 이상의 추출 동작들 및 압축 동작들을 사용하여 데이터 세트를 인코딩하는 것을 포함할 수 있으며, 하나 이상의 추출 동작들 및 압축 동작들은 압축된 데이터 세트를 생성하기 위해 데이터 세트의 피처들의 세트에 적어도 부분적으로 기반한다(블록(910)). 인코딩은, 예컨대 도 16의 장치(1602)의 통신 관리자(1632)에 의해 수행될 수 있다. 예컨대, 제1 디바이스는 위에서 설명된 바와 같이, 뉴럴 네트워크와 연관된 하나 이상의 추출 동작들 및 압축 동작들을 사용하여 데이터 세트를 인코딩할 수 있으며, 하나 이상의 추출 동작들 및 압축 동작들은 압축된 데이터 세트를 생성하기 위해 데이터 세트의 피처들의 세트에 적어도 부분적으로 기반한다. 하나 이상의 부가적인 동작들은 양자화 동작, 평탄화 동작, 또는 완전히 연결된 동작 중 하나 이상을 포함할 수 있다. 하나 이상의 추출 동작들 및 압축 동작들은 콘볼루션 동작, 완전히 연결된 계층 동작, 또는 레지듀얼(residual) 뉴럴 네트워크 동작 중 하나 이상을 포함하는 다수의 동작들을 포함할 수 있다. 하나 이상의 추출 동작들 및 압축 동작들은 데이터 세트의 피처들의 세트 중 제1 피처에 대해 수행되는 제1 추출 동작 및 제1 압축 동작, 및 데이터 세트의 피처들의 세트 중 제2 피처에 대해 수행되는 제2 추출 동작 및 제2 압축 동작을 포함할 수 있다.
[0148] 하나 이상의 추출 동작들 및 압축 동작들은 1-차원 콘볼루션 동작을 사용하는 공간적 피처 추출, 1-차원 콘볼루션 동작을 사용하는 시간적 피처 추출, 추출된 공간적 피처를 개량시키기 위한 레지듀얼 뉴럴 네트워크 동작, 추출된 시간적 피처를 개량시키기 위한 레지듀얼 뉴럴 네트워크 동작, 추출된 공간적 피처를 압축하기 위한 포인트별 콘볼루션 동작, 추출된 시간적 피처를 압축하기 위한 포인트별 콘볼루션 동작, 추출된 공간적 피처를 평탄화하기 위한 평탄화 동작, 추출된 시간적 피처를 평탄화하기 위한 평탄화 동작, 또는 추출된 시간적 피처 또는 추출된 공간적 피처 중 하나 이상을 송신을 위해 낮은 차원 벡터로 압축하기 위한 압축 동작 중 하나 이상을 포함할 수 있다.
[0149] 하나 이상의 추출 동작들 및 압축 동작들은 제2 디바이스와 연관된 하나 이상의 피처들과 연관된 제1 피처 추출 동작, 제2 디바이스와 연관된 하나 이상의 피처들을 압축하기 위한 제1 압축 동작, 제1 디바이스와 연관된 하나 이상의 피처들과 연관된 제2 피처 추출 동작, 및 제1 디바이스와 연관된 하나 이상의 피처들을 압축하기 위한 제2 압축 동작을 포함할 수 있다.
[0150] 도 9에 추가로 도시된 바와 같이, 일부 양상들에서, 프로세스(900)는 압축된 데이터 세트를 제2 디바이스에 송신하는 것을 포함할 수 있다(블록(920)). 예컨대, 제1 디바이스는 위에서 설명된 바와 같이, 압축된 데이터 세트를 제2 디바이스에 송신할 수 있다. 압축된 데이터 세트는 제 2 디바이스에 송신되는 채널 상태 정보 피드백으로서 제 2 디바이스에 송신될 수 있다. 920에서의 송신은, 예컨대 도 16의 장치(1602)의 송신 컴포넌트(1634)에 의해 수행될 수 있다.
[0151] 프로세스(900)는 부가적인 양상들, 이를테면 임의의 단일 양상 또는 아래에 설명되고 그리고/또는 본 명세서의 다른 곳에서 설명되는 하나 이상의 다른 프로세스들과 관련된 양상들의 임의의 조합을 포함할 수 있다.
[0152] 프로세스(900)는 데이터 세트의 피처들의 세트를 식별하는 것을 더 포함할 수 있으며, 여기서 하나 이상의 추출 동작들 및 압축 동작들은 데이터 세트의 피처들의 세트 중 일정 피처와 연관된 차원에서 수행되는 제1 타입의 동작, 및 데이터 세트의 피처들의 세트의 다른 피처들과 연관된 나머지 차원들에서 수행되는, 제1 타입의 동작과 상이한 제2 타입의 동작을 포함한다. 제1 타입의 동작은 1-차원의 완전히 연결된 계층 동작을 포함할 수 있고, 제2 타입의 동작은 콘볼루션 동작을 포함할 수 있다.
[0153] 프로세스(900)는 하나 이상의 추출 동작들 및 압축 동작을 수행한 이후 출력되는 중간 데이터 세트에 대해 하나 이상의 부가적인 동작들을 수행하는 것을 더 포함할 수 있다.
[0154] 데이터 세트는 하나 이상의 기준 신호들의 샘플링에 적어도 부분적으로 기반할 수 있다. 데이터 세트의 피처들의 세트는 공간적 피처 또는 탭 도메인 피처 중 하나 이상을 포함한다.
[0155] 도 9가 프로세스(900)의 예시적인 블록들을 도시하지만, 일부 양상들에서, 프로세스(900)는 도 9에 묘사된 블록들 이외의 부가적인 블록들, 묘사된 블록들보다 더 적은 블록들, 묘사된 블록들과는 상이한 블록들, 또는 묘사된 블록들과는 상이하게 배열된 블록들을 포함할 수 있다. 부가적으로 또는 대안적으로, 프로세스(900)의 블록들 중 2개 이상은 병렬로 수행될 수 있다.
[0156] 도 10은 본 개시내용의 다양한 양상들에 따른, 예컨대 제2 디바이스에 의해 수행되는 예시적인 프로세스(1000)를 예시한 다이어그램이다. 예시적인 프로세스(1000)는 제2 디바이스(예컨대, 디코딩 디바이스, 기지국(102, 180) 등)가 뉴럴 네트워크를 사용하여 데이터 세트를 디코딩하는 것과 연관된 동작들을 수행하는 일 예이다.
[0157] 도 10에 도시된 바와 같이, 일부 양상들에서, 프로세스(1000)는 제1 디바이스로부터, 압축된 데이터 세트를 수신하는 것을 포함할 수 있다(블록(1010)). 예컨대, 제2 디바이스는 위에서 설명된 바와 같이 제1 디바이스로부터, 압축된 데이터 세트를 수신할 수 있다. 압축된 데이터 세트는 제1 디바이스로부터 송신되는 채널 상태 정보 피드백으로서 제1 디바이스로부터 수신될 수 있다. 1010에서의 수신은, 예컨대 도 17의 장치(1702)의 수신 컴포넌트(1730)에 의해 수행될 수 있다.
[0158] 도 10에 추가로 도시된 바와 같이, 일부 양상들에서, 프로세스(1000)는 뉴럴 네트워크와 연관된 하나 이상의 압축해제 동작들 및 재구성 동작들을 사용하여, 압축된 데이터 세트를 디코딩하는 것을 포함할 수 있으며, 하나 이상의 압축해제 및 재구성 동작들은 재구성된 데이터 세트를 생성하기 위해, 압축된 데이터 세트의 피처들의 세트에 적어도 부분적으로 기반한다(블록(1020)). 1020에서의 디코딩은, 예컨대 도 17의 장치(1702)의 통신 관리자(1732)에 의해 수행될 수 있다. 예컨대, 제2 디바이스는 위에서 설명된 바와 같이, 뉴럴 네트워크와 연관된 하나 이상의 압축해제 동작들 및 재구성 동작들을 사용하여, 압축된 데이터 세트를 디코딩할 수 있으며, 하나 이상의 압축해제 및 재구성 동작들은 재구성된 데이터 세트를 생성하기 위해, 압축된 데이터 세트의 피처들의 세트에 적어도 부분적으로 기반한다. 하나 이상의 부가적인 동작들은 콘볼루션 동작, 완전히 연결된 계층 동작, 또는 레지듀얼 뉴럴 네트워크 동작 중 하나 이상을 포함할 수 있다.
[0159] 프로세스(1000)는 부가적인 양상들, 이를테면 임의의 단일 양상 또는 아래에 설명되고 그리고/또는 본 명세서의 다른 곳에서 설명되는 하나 이상의 다른 프로세스들과 관련된 양상들의 임의의 조합을 포함할 수 있다.
[0160] 하나 이상의 압축해제 동작들 및 재구성 동작들을 사용하는 압축된 데이터 세트의 디코딩은 제1 디바이스가 하나 이상의 압축해제 동작들 및 재구성 동작들에 대칭인 동작들의 세트를 사용하여, 압축된 데이터 세트를 생성했다는 가정에 적어도 부분적으로 기반하여 하나 이상의 압축해제 동작들 및 재구성 동작들을 수행하는 것, 또는 제1 디바이스가 하나 이상의 압축해제 동작들 및 재구성 동작들에 비대칭인 동작들의 세트를 사용하여, 압축된 데이터 세트를 생성했다는 가정에 적어도 부분적으로 기반하여 하나 이상의 압축해제 동작들 및 재구성 동작들을 수행하는 것을 포함할 수 있다.
[0161] 압축된 데이터 세트는 하나 이상의 기준 신호들의 제1 디바이스에 의한 샘플링에 적어도 부분적으로 기반할 수 있다. 압축된 데이터 세트의 피처들의 세트는 공간 피처 또는 탭 도메인 피처 중 하나 이상을 포함할 수 있다.
[0162] 하나 이상의 압축해제 동작들 및 재구성 동작들은 압축된 데이터 세트의 피처들의 세트 중 일정 피처와 연관된 차원에서 수행되는 제1 타입의 동작, 및 압축된 데이터 세트의 피처들의 세트의 다른 피처들과 연관된 나머지 차원들에서 수행되는, 제1 타입의 동작과 상이한 제2 타입의 동작을 포함할 수 있다.
[0163] 일 양상에서, 제1 타입의 동작은 1-차원의 완전히 연결된 계층 동작을 포함할 수 있고, 제2 타입의 동작은 콘볼루션 동작을 포함할 수 있다.
[0164] 하나 이상의 압축해제 동작들 및 재구성 동작들은 압축된 데이터 세트의 피처들의 세트 중 제1 피처에 대해 수행되는 제1 동작, 및 압축된 데이터 세트의 피처들의 세트 중 제2 피처에 대해 수행되는 제2 동작을 포함할 수 있다.
[0165] 하나 이상의 압축해제 동작들 및 재구성 동작들은 피처 압축해제 동작, 시간적 피처 재구성 동작, 또는 공간적 피처 재구성 동작 중 하나 이상을 포함할 수 있다. 하나 이상의 압축해제 동작들 및 재구성 동작들은 제1 디바이스와 연관된 하나 이상의 피처들에 대해 수행되는 제1 피처 재구성 동작 및 제2 디바이스와 연관된 하나 이상의 피처들에 대해 수행되는 제2 피처 재구성 동작을 포함할 수 있다.
[0166] 도 10에 추가로 도시된 바와 같이, 프로세스(1000)는 압축된 데이터 세트에 대해 재형상화 동작을 수행하는 것을 포함할 수 있다.
[0167] 도 10이 프로세스(1000)의 예시적인 블록들을 도시하지만, 일부 양상들에서, 프로세스(1000)는 도 10에 묘사된 블록들 이외의 부가적인 블록들, 묘사된 블록들보다 더 적은 블록들, 묘사된 블록들과는 상이한 블록들, 또는 묘사된 블록들과는 상이하게 배열된 블록들을 포함할 수 있다. 부가적으로 또는 대안적으로, 프로세스(1000)의 블록들 중 2개 이상은 병렬로 수행될 수 있다.
[0168] UE는 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하도록 뉴럴 네트워크를 트레이닝시킬 수 있다. UE에서 뉴럴 네트워크를 트레이닝시킬 때, 항상 모든 계층들을 동시에 훈련시킬 필요는 없다. 일부 경우들에서, 일부 계층들은 동결(freeze)되고, 다른 계층들은 트레이닝될 수 있다. 즉, 프로세싱 전력에서 불필요한 오버헤드를 감소시키기 위해 뉴럴 네트워크의 다양한 계층들이 선택적으로 트레이닝될 수 있다. 다시 도 4a를 참조하면, CSI 시퀀스 인코더(406)는 시간 의존성(예컨대, 도플러 컴포넌트)을 캡처할 수 있고, CSI 인스턴스 인코더(404)는 채널들의 대부분의 시간-불변 양상들(예컨대, 반사기, 산란기들의 수, 또는 빔이 UE의 안테나에 도달하는 각도)을 캡처할 수 있다.
[0169] 예컨대, 비교적 안정적인 환경에서 UE가 정적인 경우, 이어서, 도플러 효과로 인한 채널에 대한 변화는 미미할 수 있다. 그러한 경우, UE는 뉴럴 네트워크의 모든 각각의 계층을 트레이닝시킬 필요가 없을 수 있다. 따라서, UE는 시간 의존성 캡처 계층들을 트레이닝시킬 수 있다.
[0170] 일 양상에서, 무선 네트워크 엔티티는 은닉 상태(hidden state)들에서 특정 계층들의 트레이닝을 동결시키도록 UE를 구성할 수 있다. 예컨대, 무선 네트워크 엔티티는 계층적 트레이닝을 수행하도록 UE를 구성할 수 있으며, 여기서 무선 네트워크 엔티티는, 먼저 환경에 대해 뉴럴 네트워크 계층들을 트레이닝시키고, 이어서, 도플러 효과에 대해 뉴럴 네트워크 계층들을 트레이닝시키도록 UE를 구성할 수 있다. 여기서, 무선 네트워크 엔티티는 기지국, TRP, 코어 네트워크 컴포넌트, 또는 다른 UE를 포함할 수 있다. 무선 네트워크 엔티티가 다른 UE일 때, 무선 네트워크 엔티티 및 UE는 사이드링크 통신을 통해 통신할 수 있다.
[0171] 본 개시내용의 일부 양상들에서, 무선 네트워크 엔티티는 동적으로 뉴럴 네트워크 트레이닝을 구성하는 UE에 메시지를 전송할 수 있다. 무선 네트워크 엔티티로부터 전송된 메시지는 RRC 시그널링, 상위-계층 시그널링, MAC-CE, DCI, SCI(sidelink control information), 및/또는 사이드링크 메시지를 포함할 수 있다.
[0172] 메시지는 코드 포인트들의 세트일 수 있으며, 이들 각각은 CSI 리포팅 ID, 뉴럴 네트워크 ID, 및 계층 ID의 조합에 대응하는 튜플(tuple)과 각각 연관되는 다수의 비트들에 맵핑된다. 예컨대, 메시지는 하나(1개)의 뉴럴 네트워크 식별자(ID) 및 다수의 계층 ID들에 맵핑된 코드 포인트를 포함하는 DCI일 수 있으며, 이는 뉴럴 네트워크 ID에 대응하는 뉴럴 네트워크의 다수의 계층 ID들에 대응하는 다수의 계층들을 트레이닝시키도록 UE에게 명령할 수 있다. 다른 예에서, 메시지는 다수의 뉴럴 네트워크 ID들 및 하나(1개)의 계층 ID에 맵핑된 코드 포인트를 포함하는 DCI일 수 있으며, UE는 다수의 뉴럴 네트워크 ID들에 대응하는 다수의 뉴럴 네트워크들의 하나(1개)의 계층 ID에 대응하는 계층을 트레이닝시키도록 명령받을 수 있다. 또 다른 예에서, 메시지는 CSI 리포팅 ID, 뉴럴 네트워크 ID들, 및 계층 ID들에 맵핑된 코드 포인트를 포함하는 DCI일 수 있으며, 이는 뉴럴 네트워크 ID들 및 계층 ID들에 대응하는 뉴럴 네트워크 및 계층들이 CSI 리포트 ID에 대응하는 CSI 리포트를 리포팅하게 UE에게 명령한다. 여기서, 제공된 예는 DCI이지만, 본 개시내용이 반드시 이에 제한될 필요는 없으며, 동일한 메시지가 MAC-CE 포맷 및/또는 RRC 시그널링 포맷으로 송신될 수 있다.
[0173] 이러한 메시지는 CSI 리포팅 ID, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 계층 ID 옵션들, 또는 트레이닝될 필요가 있는 계층들의 서브-세트를 포함하는 계층들의 그룹(다수의 계층들을 포함함)과 같은 하나 이상의 수량들 또는 파라미터들을 포함할 수 있다. 계층 ID 옵션들은 트레이닝을 위한 계층 ID를 표시하기 위한 상이한 옵션들을 포함할 수 있다. 하나의 예에 대해, 메시지는 뉴럴 네트워크의 트레이닝을 중단하도록 UE에게 표시할 수 있다. 다른 예에 대해, 메시지는 트레이닝될 계층 ID들을 표시하고, 나머지 계층들이 동결될 수 있다는 것을 암묵적으로 표시할 수 있다. 다른 예에 대해, 메시지는 동결될 계층 ID들을 표시하고, 나머지 계층들이 트레이닝될 것이라는 것을 암묵적으로 표시할 수 있다. 또 다른 예에 대해, 메시지는 계층들의 수에 대응하는 길이의 비트 스트링을 포함할 수 있으며, 각각의 비트는 각각의 계층이 동결되어야 하는지 또는 트레이닝되어야 하는지를 표시한다.
[0174] 본 본 개시내용의 일 양상에서, 메시지는 RRC 시그널링, MAC-CE, 및/또는 DCI의 다중 시그널링(또는 조합)을 포함할 수 있다. 예컨대, RRC 시그널링은 따를 계층 ID 옵션을 정의할 수 있고, DCI는 계층 ID 옵션에 따라 트레이닝할 계층 ID를 표시할 수 있다. 다른 예에 대해, RRC 시그널링은 비트 스트링의 구성을 정의할 수 있고, DCI는 비트 스트링의 정의된 구성에 따라 비트 스트링을 UE에 송신할 수 있다.
[0175] 다른 양상에서, 다수의 시그널링이 계층구조를 이용하여 구성될 수 있다. 예컨대, RRC 시그널링은 트레이닝의 전반적인 구성을 정의할 수 있고, MAC-CE는 구성의 서브세트를 생성할 수 있으며, DCI는 구성들의 서브세트로부터의 하나의 구성을 표시할 수 있다.
[0176] 본 개시내용의 양상들에서, UE는, UE가 DRX(discontinuous reception) 온(ON) 지속기간 동안 통신을 모니터링하거나 통신을 송신하고 DRX 오프 지속기간 동안 통신을 모니터링하지 않거나 통신을 송신하지 않는 DRX을 통해 전력 소비를 감소시킬 수 있다. 여기서, DRX 오프 지속기간은 UE가 RRC 비활성 또는 유휴 모드에 있는 지속기간을 포함할 수 있다.
[0177] 뉴럴 네트워크 트레이닝을 구성하는 무선 네트워크 엔티티로부터의 메시지는 배치(batch) 트레이닝 커맨드를 포함할 수 있다. 예컨대, 메시지는 재활성화되는 UE 또는 DRX 온 지속기간에 진입하는 UE에 대한 배치 트레이닝 커맨드를 포함하는 웨이크-업 신호의 일부일 수 있다. 예컨대, 배치 트레이닝 커맨드는 특정 뉴럴 네트워크의 모든 계층들을 트레이닝시키거나, 모든 뉴럴 네트워크들 내의 모든 계층들을 트레이닝시키거나, 또는 특정된 ID 리스트를 갖는 뉴럴 네트워크들을 트레이닝시키도록 UE에게 명령할 수 있다. DRX 온 지속기간의 시작부에서, UE는 일정 시간 기간 동안 특정 또는 모든 뉴럴 네트워크들을 업데이트하고 그리고/또는 트레이닝시키도록 특정될 수 있다.
[0178] 뉴럴 네트워크 트레이닝 파라미터를 구성하는 메시지는 또한 크로스 CC(component carrier) 커맨드들을 포함할 수 있다. 즉, FR1 상에서 UE에 송신되는 뉴럴 네트워크 트레이닝 구성 메시지는 FR2 상에서 네트워크를 트레이닝시키도록 UE에게 명령할 수 있다. 유사하게, 뉴럴 네트워크 트레이닝 파라미터를 구성하는 메시지는 크로스 대역 커맨드들을 포함할 수 있다. 즉, 제1 BWP를 통해 송신되는 뉴럴 네트워크 트레이닝 구성 메시지는 제2 BWP를 통해 네트워크를 트레이닝시키도록 명령할 수 있다.
[0179] 본 개시내용의 일부 양상들에서, 메시지는 또한 타이밍 정보를 포함할 수 있다. 즉, 메시지는 만료 시간 및 액션 표시 필드들을 포함할 수 있다. 액션 표시 필드는 만료 시간의 끝에서 따를 뉴럴 네트워크 트레이닝 액션의 UE를 표시할 수 있다. 예컨대, 액션 표시 필드는 만료 시간의 끝에서 모든 계층들에 대한 트레이닝을 동결시키도록 UE에게 표시할 수 있다. 다른 예에 대해, 액션 표시 필드는 미래의 만료 시간의 끝에서 모든 계층들을 트레이닝시키는 것을 재개하도록 UE에게 표시할 수 있다. 만료 시간 및 액션 표시 필드를 제공함으로써, 무선 네트워크 엔티티는 만료 시간에 뉴럴 네트워크 트레이닝 액션의 다른 전체 메시지를 송신할 필요가 없을 수 있다.
[0180] 본 개시내용의 일부 양상들에서, 뉴럴 네트워크 트레이닝 구성은 비주기적 방식으로, 또는 트레이닝 주기성을 갖는 주기적 방식 또는 반-영구적 방식 중 어느 하나로 특정될 수 있다. 즉, 뉴럴 네트워크 트레이닝 구성은 뉴럴 네트워크 트레이닝의 길이, 및 각각의 뉴럴 네트워크 트레이닝 기간이 얼마나 빈번해야 되는지 그리고 얼마나 길어야 하는지를 특정할 수 있다. 예컨대, 뉴럴 네트워크 트레이닝 구성은 다음의 1시간 동안, 1 초마다 100 ms 동안 뉴럴 네트워크를 트레이닝시키도록 UE를 구성할 수 있다.
[0181] 도 11은 무선 통신의 콜-흐름도(1100)이다. 콜-흐름도(1100)는 UE(1102) 및 네트워크 엔티티(1104)를 포함할 수 있다. 네트워크 엔티티(1104)는 기지국, TRP, 코어 네트워크 컴포넌트, 서버, 다른 UE(1102), 또는 디코딩 디바이스, 이를테면 디코딩 디바이스(425)일 수 있다. 네트워크 엔티티(1104)는 UE(1102)가 다양한 절차들에 대해 구성된 뉴럴 네트워크를 트레이닝시키기 위해 뉴럴 네트워크 트레이닝 파라미터들을 이용하여 UE(1102)를 구성할 수 있다. 뉴럴 네트워크 트레이닝 파라미터들은 CSI 리포팅 ID, 채널 상태 기준 신호 식별자, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 트레이닝될 계층들의 서브세트, 또는 이들의 조합을 포함할 수 있다. UE(1102)는 네트워크 엔티티(1104)로부터 뉴럴 네트워크 트레이닝 파라미터들의 구성을 수신하고, UE(1102)에서 무선 채널 압축, 무선 채널 측정, 무선 간섭 측정, UE(1102) 포지셔닝, 또는 무선 파형 결정과 같은 다양한 절차들에 대해 구성된 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0182] 1106에서, 네트워크 엔티티(1104)는 UE(1102)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출할 수 있다. 즉, 네트워크 엔티티(1104)는 UE(1102)가 트레이닝시켜야 하는 CSI 리포트, 뉴럴 네트워크 및/또는 계층에 대응하는 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들을 결정 또는 검출할 수 있다. 네트워크 엔티티(1104)는 UE(1102)에서의 무선 채널 압축, UE(1102)에서 무선 채널 측정, UE(1102)에서의 무선 간섭 측정, UE 포지셔닝, UE(1102)에서의 무선 파형 결정 등 중 하나 이상을 수행하기 위해 뉴럴 네트워크를 트레이닝시키도록 UE(1102)에게 명령할 수 있다. 네트워크 엔티티(1104)는 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE(1102)에게 명령할 수 있다.
[0183] 1108a에서, 네트워크 엔티티(1104)는 UE(1102)에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE(1102)에 송신할 수 있다. 즉, 네트워크 엔티티(1104)는 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE(1102)에 송신할 수 있다. UE(1102)는 UE(1102)에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 네트워크 엔티티(1104)로부터 수신할 수 있다. UE(1102)에 대한 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성은 상위-계층 시그널링, RRC 시그널링, MAC-CE, DCI, SCI, 및/또는 사이드링크 메시지 중 하나 이상을 통해 송신될 수 있다.
[0184] 일 예에서, 1108a에서, UE(1102)는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고, MAC-CE, DCI, 및/또는 이들의 조합에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 수신할 수 있다.
[0185] 뉴럴 네트워크 트레이닝 파라미터(1108b)는 CSI 리포팅 ID, 채널 상태 기준 신호 식별자, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 및/또는 트레이닝될 계층들의 서브세트 중 하나 이상을 포함할 수 있다.
[0186] 1110에서, 네트워크 엔티티(1104)는 UE(1102)에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용하도록 UE(1102)에게 표시할 트레이닝 커맨드를 무선 메시지에서 송신할 수 있다. 즉, 네트워크 엔티티(1104)는 무선 메시지에서 별개의 트레이닝 커맨드를 UE(1102)에 송신할 수 있다. UE(1102)는 무선 메시지에서 트레이닝 커맨드를 수신할 수 있으며, 여기서 UE(1102)는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE(1102)에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용할 수 있다. 트레이닝 커맨드의 송신은 뉴럴 네트워크 트레이닝과 독립적일 수 있다. 예컨대, 트레이닝 커맨드는 제1 주파수 범위에서 수신될 수 있고, UE(1102)는 제2 주파수 범위 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 다른 예에 대해, UE(1102)는 제1 컴포넌트 캐리어에서 트레이닝 커맨드를 수신할 수 있고, UE(1102)는 제2 컴포넌트 캐리어 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 또 다른 예에 대해, UE(1102)는 제1 주파수 대역에서 트레이닝 커맨드를 수신할 수 있고, UE(1102)는 제2 주파수 대역 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 트레이닝 커맨드는 그룹 공통 커맨드일 수 있고, 그룹 공통 커맨드는 그룹 공통 DCI를 통해 수신될 수 있다.
[0187] 1112에서, UE(1102)는 네트워크 엔티티(1104)로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. 별개의 트레이닝 커맨드가 무선 메시지에서 UE(1102)에 송신되었을 때, UE(1102)는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE(1102)에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용할 수 있다. 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성 및 트레이닝 커맨드 및 뉴럴 네트워크 트레이닝은 계층구조를 이용하여 구성될 수 있다. 예컨대, UE(1102)는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE(1102)에서 뉴럴 네트워크의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 다른 예에 대해, UE(1102)는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE(1102)에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 또 다른 예에 대해, UE(1102)는 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 구성을 적용할 수 있다.
[0188] 1114에서, UE(1102)는 시간 기간이 만료될 때, 뉴럴 네트워크의 트레이닝을 중단하거나, 뉴럴 네트워크의 계층들을 동결시키거나, 또는 뉴럴 네트워크의 트레이닝을 재개할 수 있다. 구성은 뉴럴 네트워크의 트레이닝과 연관된 시간 기간을 표시할 수 있다. 시간 기간은 뉴럴 네트워크 트레이닝의 주기성 및/또는 타이머 중 하나 이상일 수 있다. 먼저, 구성은 시간 기간이 만료될 때 UE(1102)가 수행할 액션을 표시할 수 있다. 따라서, 액션은 뉴럴 네트워크를 트레이닝시키는 것을 중단하는 것, 뉴럴 네트워크의 계층들을 동결시키는 것, 또는 뉴럴 네트워크의 하나 이상의 계층들의 트레이닝을 재개하는 것 중 하나 이상을 포함할 수 있다. 따라서, 이것이 이루어진다.
[0189] 구성의 시간 기간은 뉴럴 네트워크 트레이닝의 주기성을 표시할 수 있다. 따라서, 1116에서, UE(1102)는 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로, 반-영구적으로, 또는 비주기적으로 트레이닝시킬 수 있다. 예컨대, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간 또는 반-영구적 시간을 표시할 수 있으며, UE(1102)는 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로 트레이닝시키도록 구성된다. 다른 예에 대해, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 비주기적 시간일 수 있으며, UE(1102)는 시간 기간에 기반하여 뉴럴 네트워크의 비주기적 트레이닝을 위해 구성된다.
[0190] 도 12는 무선 통신의 방법의 흐름도(1200)이다. 방법은 UE(예컨대, UE(104/1102); 장치(1602))에 의해 수행될 수 있다. UE는 네트워크 엔티티로부터 뉴럴 네트워크 트레이닝 파라미터들의 구성을 수신하고, UE에서 무선 채널 압축, 무선 채널 측정, 무선 간섭 측정, UE 포지셔닝, 또는 무선 파형 결정과 같은 다양한 절차들에 대해 구성된 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0191] 1202에서, UE는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 네트워크 엔티티로부터 수신한다. 즉, UE는 (예컨대, 1108a에서와 같이) 네트워크 엔티티로부터, 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 수신할 수 있다. UE에 대한 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성은 RRC 시그널링, MAC-CE, 및/또는 DCI 중 하나 이상을 통해 수신될 수 있다. 구성은 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하도록 UE에게 명령할 수 있다. 구성은 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE에게 명령할 수 있다. 일 예에서, UE는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고, MAC-CE, DCI, 및/또는 이들의 조합에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 수신할 수 있다. 예컨대, 1108a에서, UE(1102)는 UE(1102)에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 네트워크 엔티티(1104)로부터 수신할 수 있다. 더욱이, 1202는 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640)에 의해 수행될 수 있다.
[0192] 1204에서, UE는 무선 메시지에서 트레이닝 커맨드를 수신할 수 있으며, 여기서 UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용할 수 있다. 즉, UE는 (예컨대, 1110에서와 같이) 네트워크 엔티티로부터 무선 메시지에서 별개의 트레이닝 커맨드를 수신할 수 있다. 트레이닝 커맨드의 수신은 뉴럴 네트워크 트레이닝과 독립적일 수 있다. 예컨대, 트레이닝 커맨드는 제1 주파수 범위에서 수신될 수 있고, UE는 제2 주파수 범위 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 다른 예에 대해, UE는 제1 컴포넌트 캐리어에서 트레이닝 커맨드를 수신할 수 있고, UE는 제2 컴포넌트 캐리어 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 또 다른 예에 대해, UE는 제1 주파수 대역에서 트레이닝 커맨드를 수신할 수 있고, UE는 제2 주파수 대역 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 예컨대, 1110에서, UE(1102)는 무선 메시지에서 트레이닝 커맨드를 수신할 수 있으며, 여기서 UE(1102)는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE(1102)에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용할 수 있다. 더욱이, 1204는 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640)에 의해 수행될 수 있다. 트레이닝 커맨드는 그룹 공통 커맨드일 수 있고, 그룹 공통 커맨드는 그룹 공통 DCI를 통해 송신될 수 있다.
[0193] 1206에서, UE는 (예컨대, 1112에서와 같이) 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성 및 트레이닝 커맨드 및 뉴럴 네트워크 트레이닝은 계층구조를 이용하여 구성될 수 있다. 예컨대, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 다른 예에 대해, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 또 다른 예에 대해, UE는 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 구성을 적용할 수 있다. 예컨대, 1112에서, UE(1102)는 네트워크 엔티티(1104)로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. 더욱이, 1206은 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640)에 의해 수행될 수 있다.
[0194] 1208에서, UE는 (예컨대, 1114에서와 같이) 시간 기간이 만료될 때, 뉴럴 네트워크의 트레이닝을 중단하거나, 뉴럴 네트워크의 계층들을 동결시키거나, 또는 뉴럴 네트워크의 트레이닝을 재개할 수 있다. 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성은 뉴럴 네트워크의 트레이닝과 연관된 시간 기간을 표시할 수 있다. 시간 기간은 뉴럴 네트워크 트레이닝의 주기성 및/또는 타이머 중 하나 이상일 수 있다. 구성은 시간 기간이 만료될 때 UE가 수행할 액션을 표시할 수 있다. 따라서, 액션은 뉴럴 네트워크를 트레이닝시키는 것을 중단하는 것, 뉴럴 네트워크의 계층들을 동결시키는 것, 또는 뉴럴 네트워크의 하나 이상의 계층들의 트레이닝을 재개하는 것 중 하나 이상을 포함할 수 있다. 예컨대, 1114에서, UE(1102)는 시간 기간이 만료될 때, 뉴럴 네트워크의 트레이닝을 중단하거나, 뉴럴 네트워크의 계층들을 동결시키거나, 또는 뉴럴 네트워크의 트레이닝을 재개할 수 있다. 더욱이, 1208은 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640) 및 타이머 컴포넌트(1642)에 의해 수행될 수 있다.
[0195] 1210에서, UE는 (예컨대, 1116에서와 같이) 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로, 반-영구적으로, 또는 비주기적으로 트레이닝시킬 수 있다. 구성의 시간 기간은 뉴럴 네트워크 트레이닝의 주기성을 표시할 수 있다. 예컨대, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간 또는 반-영구적 시간을 표시할 수 있으며, UE는 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로 트레이닝시키도록 구성될 수 있다. 다른 예에 대해, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 비주기적 시간일 수 있으며, UE는 시간 기간에 기반하여 뉴럴 네트워크의 비주기적 트레이닝을 위해 구성될 수 있다. 예컨대, 1116에서, UE(1102)는 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로, 반-영구적으로, 또는 비주기적으로 트레이닝시킬 수 있다. 더욱이, 1210은 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640) 및 타이머 컴포넌트(1642)에 의해 수행될 수 있다.
[0196] 도 13은 무선 통신의 방법의 흐름도(1300)이다. 방법은 UE(예컨대, UE(104/1102); 장치(1602))에 의해 수행될 수 있다. UE는 네트워크 엔티티로부터 뉴럴 네트워크 트레이닝 파라미터들의 구성을 수신하고, UE에서 무선 채널 압축, 무선 채널 측정, 무선 간섭 측정, UE 포지셔닝, 또는 무선 파형 결정과 같은 다양한 절차들에 대해 구성된 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0197] 1302에서, UE는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 네트워크 엔티티로부터 수신한다. 즉, UE는 (예컨대, 1108a에서와 같이) 네트워크 엔티티로부터, 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 수신할 수 있다. UE에 대한 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성은 RRC 시그널링, MAC-CE, 및/또는 DCI 중 하나 이상을 통해 수신될 수 있다. 구성은 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하도록 UE에게 명령할 수 있다. 구성은 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE에게 명령할 수 있다. 일 예에서, UE는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고, MAC-CE, DCI, 및/또는 이들의 조합에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 수신할 수 있다. 예컨대, 1108a에서, UE(1102)는 UE(1102)에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 네트워크 엔티티(1104)로부터 수신할 수 있다. 더욱이, 1302는 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640)에 의해 수행될 수 있다.
[0198] 1306에서, UE는 (예컨대, 1112에서와 같이) 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성 및 트레이닝 커맨드 및 뉴럴 네트워크 트레이닝은 계층구조를 이용하여 구성될 수 있다. 예컨대, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 다른 예에 대해, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 또 다른 예에 대해, UE는 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 구성을 적용할 수 있다. 예컨대, 1112에서, UE(1102)는 네트워크 엔티티(1104)로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. 더욱이, 1306은 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640)에 의해 수행될 수 있다.
[0199] 도 14는 무선 통신의 방법의 흐름도(1400)이다. 방법은 UE(예컨대, UE(104/1102); 장치(1602)) 또는 기지국(예컨대, 기지국(102/180/1104); 장치(1702))을 포함할 수 있는 네트워크 엔티티에 의해 수행될 수 있다. 네트워크 엔티티(1104)는 UE(1102)가 다양한 절차들에 대해 구성된 뉴럴 네트워크를 트레이닝시키기 위해 뉴럴 네트워크 트레이닝 파라미터들을 이용하여 UE(1102)를 구성할 수 있다. 뉴럴 네트워크 트레이닝 파라미터들은 CSI 리포팅 ID, 채널 상태 기준 신호 식별자, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 트레이닝될 계층들의 서브세트, 또는 이들의 조합을 포함할 수 있다.
[0200] 1402에서, 네트워크 엔티티는 UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출할 수 있다. 즉, 네트워크 엔티티는 (예컨대, 1106에서와 같이) UE가 트레이닝시켜야 하는 CSI 리포트, 뉴럴 네트워크 및/또는 계층에 대응하는 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들을 결정 또는 검출할 수 있다. 네트워크 엔티티는 UE에서의 무선 채널 압축, UE에서 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하기 위해 뉴럴 네트워크를 트레이닝시키도록 UE에게 명령할 수 있다. 네트워크 엔티티는 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE에게 명령할 수 있다. 예컨대, 1106에서, 네트워크 엔티티(1104)는 UE(1102)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출할 수 있다. 더욱이, 1402는 뉴럴 네트워크 트레이닝 구성 컴포넌트(1740)에 의해 수행될 수 있다.
[0201] 1404에서, 네트워크 엔티티는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신할 수 있다. 즉, 네트워크 엔티티는 (예컨대, 1108a에서와 같이) 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신할 수 있다. UE에 대한 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성은 RRC 시그널링, MAC-CE, 및/또는 DCI 중 하나 이상을 통해 송신될 수 있다. 네트워크 엔티티는 UE에서의 무선 채널 압축, UE에서 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하기 위해 뉴럴 네트워크를 트레이닝시키도록 UE에게 명령할 수 있다. 네트워크 엔티티는 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE에게 명령할 수 있다. 예컨대, 1108a에서, 네트워크 엔티티(1104)는 UE(1102)에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE(1102)에 송신할 수 있다. 더욱이, 1404은 뉴럴 네트워크 트레이닝 구성 컴포넌트(1740)에 의해 수행될 수 있다.
[0202] 뉴럴 네트워크 트레이닝 파라미터는 CSI 리포팅 ID, 채널 상태 기준 신호 식별자, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 및/또는 트레이닝될 계층들의 서브세트 중 하나 이상을 포함할 수 있다. 일 예에서, 네트워크 엔티티는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고, MAC-CE, DCI, 및/또는 이들의 조합에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 송신할 수 있다.
[0203] 1406에서, 네트워크 엔티티는 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용하도록 UE에게 표시할 트레이닝 커맨드를 무선 메시지에서 송신할 수 있다. 즉, 네트워크 엔티티는 (예컨대, 1110에서와 같이) 무선 메시지에서 별개의 트레이닝 커맨드를 UE에 송신할 수 있다. 트레이닝 커맨드의 송신은 뉴럴 네트워크 트레이닝과 독립적일 수 있다. 예컨대, 트레이닝 커맨드는 제1 주파수 범위에서 송신될 수 있고, UE는 제2 주파수 범위 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 다른 예에 대해, 네트워크 엔티티는 제1 컴포넌트 캐리어에서 트레이닝 커맨드를 송신할 수 있고, UE는 제2 컴포넌트 캐리어 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 또 다른 예에 대해, 네트워크 엔티티는 제1 주파수 대역에서 트레이닝 커맨드를 송신할 수 있고, UE는 제2 주파수 대역 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 예컨대, 1110에서, 네트워크 엔티티(1104)는 UE(1102)에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용하도록 UE(1102)에게 표시할 트레이닝 커맨드를 무선 메시지에서 송신할 수 있다. 더욱이, 1406은 뉴럴 네트워크 트레이닝 구성 컴포넌트(1740)에 의해 수행될 수 있다.
[0204] 도 15는 무선 통신의 방법의 흐름도(1500)이다. 방법은 UE(예컨대, UE(104/1102); 장치(1602)) 또는 기지국(예컨대, 기지국(102/180/1104); 장치(1702))을 포함할 수 있는 네트워크 엔티티에 의해 수행될 수 있다. 네트워크 엔티티(1104)는 UE(1102)가 다양한 절차들에 대해 구성된 뉴럴 네트워크를 트레이닝시키기 위해 뉴럴 네트워크 트레이닝 파라미터들을 이용하여 UE(1102)를 구성할 수 있다. 뉴럴 네트워크 트레이닝 파라미터들은 CSI 리포팅 ID, 채널 상태 기준 신호 식별자, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 트레이닝될 계층들의 서브세트, 또는 이들의 조합을 포함할 수 있다.
[0205] 1502에서, 네트워크 엔티티는 UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출할 수 있다. 즉, 네트워크 엔티티는 (예컨대, 1106에서와 같이) UE가 트레이닝시켜야 하는 CSI 리포트, 뉴럴 네트워크 및/또는 계층에 대응하는 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들을 결정 또는 검출할 수 있다. 네트워크 엔티티는 UE에서의 무선 채널 압축, UE에서 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하기 위해 뉴럴 네트워크를 트레이닝시키도록 UE에게 명령할 수 있다. 네트워크 엔티티는 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE에게 명령할 수 있다. 예컨대, 1106에서, 네트워크 엔티티(1104)는 UE(1102)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출할 수 있다. 더욱이, 1502는 뉴럴 네트워크 트레이닝 구성 컴포넌트(1740)에 의해 수행될 수 있다.
[0206] 1504에서, 네트워크 엔티티는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신할 수 있다. 즉, 네트워크 엔티티는 (예컨대, 1108a에서와 같이) 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신할 수 있다. UE에 대한 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성은 RRC 시그널링, MAC-CE, 및/또는 DCI 중 하나 이상을 통해 송신될 수 있다. 네트워크 엔티티는 UE에서의 무선 채널 압축, UE에서 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, UE에서의 무선 파형 결정 등 중 하나 이상을 수행하기 위해 뉴럴 네트워크를 트레이닝시키도록 UE에게 명령할 수 있다. 네트워크 엔티티는 뉴럴 네트워크들 및/또는 계층들 중 일부를 트레이닝시키고, 그리고/또는 뉴럴 네트워크들 및/또는 계층들의 나머지를 동결시키거나, 또는 그 반대의 경우도 가능하도록 UE에게 명령할 수 있다. 예컨대, 1108a에서, 네트워크 엔티티(1104)는 UE(1102)에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE(1102)에 송신할 수 있다. 더욱이, 1504는 뉴럴 네트워크 트레이닝 구성 컴포넌트(1740)에 의해 수행될 수 있다.
[0207] 뉴럴 네트워크 트레이닝 파라미터는 CSI 리포팅 ID, 채널 상태 기준 신호 식별자, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 및/또는 트레이닝될 계층들의 서브세트 중 하나 이상을 포함할 수 있다. 일 예에서, 네트워크 엔티티는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고, MAC-CE, DCI, 및/또는 이들의 조합에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 송신할 수 있다.
[0208] 도 16은 장치(1602)에 대한 하드웨어 구현의 일 예를 예시한 다이어그램(1600)이다. 장치(1602)는 UE, UE의 컴포넌트일 수 있거나, UE 기능을 구현할 수 있다. 일부 양상들에서, 장치(1602)는 셀룰러 RF 트랜시버(1622)에 커플링된 셀룰러 베이스밴드 프로세서(1604)(또한, 모뎀으로 지칭됨)를 포함할 수 있다. 일부 양상들에서, 장치(1602)는 하나 이상의 SIM(subscriber identity modules) 카드들(1620), SD(secure digital) 카드(1608) 및 스크린(1610)에 커플링된 애플리케이션 프로세서(1606), 블루투스 모듈(1612), WLAN(wireless local area network) 모듈(1614), GPS(Global Positioning System) 모듈(1616), 또는 전력 공급부(1618)를 더 포함할 수 있다. 셀룰러 베이스밴드 프로세서(1604)는 셀룰러 RF 트랜시버(1622)를 통해 UE(104) 및/또는 기지국(102 또는 180)과 통신한다. 셀룰러 베이스밴드 프로세서(1604)는 컴퓨터-판독가능 매체/메모리를 포함할 수 있다. 컴퓨터-판독가능 매체/메모리는 비-일시적일 수 있다. 셀룰러 베이스밴드 프로세서(1604)는 컴퓨터-판독가능 매체/메모리 상에 저장된 소프트웨어의 실행을 포함하는 일반적인 프로세싱을 담당한다. 소프트웨어는, 셀룰러 베이스밴드 프로세서(1604)에 의해 실행될 때, 셀룰러 베이스밴드 프로세서(1604)로 하여금 위에서 설명된 다양한 기능들을 수행하게 한다. 컴퓨터-판독가능 매체/메모리는 또한, 소프트웨어를 실행할 때 셀룰러 베이스밴드 프로세서(1604)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다. 셀룰러 베이스밴드 프로세서(1604)는 수신 컴포넌트(1630), 통신 관리자(1632), 및 송신 컴포넌트(1634)를 더 포함한다. 통신 관리자(1632)는 하나 이상의 예시된 컴포넌트들을 포함한다. 통신 관리자(1632) 내의 컴포넌트들은 컴퓨터-판독가능 매체/메모리에 저장되고 그리고/또는 셀룰러 베이스밴드 프로세서(1604) 내의 하드웨어로서 구성될 수 있다. 셀룰러 베이스밴드 프로세서(1604)는 UE(350)의 컴포넌트일 수 있으며, TX 프로세서(368), RX 프로세서(356), 및 제어기/프로세서(359) 중 적어도 하나 및/또는 메모리(360)를 포함할 수 있다. 일 구성에서, 장치(1602)는 모뎀 칩이고, 셀룰러 베이스밴드 프로세서(1604)만을 포함할 수 있고, 다른 구성에서, 장치(1602)는 전체 UE(예컨대, 도 3의 350 참조)이고, 장치(1602)의 부가적인 모듈들을 포함할 수 있다.
[0209] 통신 관리자(1632)는, 예컨대 1202, 1204, 1206, 1208, 1210, 1302, 및 1306과 관련하여 설명된 바와 같이, 네트워크 엔티티로부터, 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 수신하고, 네트워크 엔티티로부터 무선 메시지에서 별개의 트레이닝 커맨드를 수신하고, 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키고, 시간 기간이 만료될 때, 뉴럴 네트워크의 트레이닝을 중단하거나, 뉴럴 네트워크의 계층들을 동결시키거나, 또는 뉴럴 네트워크의 트레이닝을 재개하고, 그리고 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로, 반-영구적으로, 또는 비주기적으로 트레이닝시키도록 구성된 뉴럴 네트워크 트레이닝 구성 컴포넌트(1640)를 포함한다. 통신 관리자(1632)는, 예컨대 1208 및 1210과 관련하여 설명된 바와 같이, 시간 기간이 만료될 때, 뉴럴 네트워크의 트레이닝을 중단하거나, 뉴럴 네트워크의 계층들을 동결시키거나, 또는 뉴럴 네트워크의 트레이닝을 재개하고, 그리고 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로, 반-영구적으로, 또는 비주기적으로 트레이닝시키도록 구성된 타이머 컴포넌트(1642)를 더 포함한다. 컴포넌트들(1640 및 1642)은 서로 통신하도록 구성될 수 있다.
[0210] 장치는, 도 11, 도 12, 및 도 13의 전술된 흐름도들 내의 알고리즘의 블록들 각각을 수행하는 부가적인 컴포넌트들을 포함할 수 있다. 그러므로, 도 11, 도 12, 및 도 13의 전술된 흐름도들 내의 각각의 블록은 컴포넌트에 의해 수행될 수 있으며, 장치는 이들 컴포넌트들 중 하나 이상을 포함할 수 있다. 컴포넌트들은, 열거된 프로세스들/알고리즘을 수행하도록 특수하게 구성된 하나 이상의 하드웨어 컴포넌트들일 수 있거나, 열거된 프로세스들/알고리즘을 수행하도록 구성된 프로세서에 의해 구현될 수 있거나, 프로세서에 의한 구현을 위해 컴퓨터-판독가능 매체 내에 저장될 수 있거나, 이들의 일부 조합일 수 있다.
[0211] 일 구성에서, 장치(1602) 및 특히 셀룰러 베이스밴드 프로세서(1604)는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하기 위한 수단 및 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키기 위한 수단을 포함한다. 장치(1602)는 또한 무선 메시지에서 트레이닝 커맨드를 수신하기 위한 수단을 포함하며, 여기서 UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용한다. 전술된 수단은, 전술된 수단에 의해 인용된 기능들을 수행하도록 구성된 장치(1602)의 전술된 컴포넌트들 중 하나 이상일 수 있다. 위에서 설명된 바와 같이, 장치(1602)는 TX 프로세서(368), RX 프로세서(356), 및 제어기/프로세서(359)를 포함할 수 있다. 그러므로, 일 구성에서, 전술된 수단은, 전술된 수단에 의해 언급된 기능들을 수행하도록 구성된 TX 프로세서(368), RX 프로세서(356), 및 제어기/프로세서(359)일 수 있다.
[0212] 도 17은 장치(1702)에 대한 하드웨어 구현의 일 예를 예시한 다이어그램(1700)이다. 장치(1702)는 기지국UE, 기지국의 컴포넌트일 수 있거나, 기지국 기능을 구현할 수 있다. 일부 양상들에서, 장치(1602)는 베이스밴드 유닛(1704)을 포함할 수 있다. 베이스밴드 유닛(1704)은 셀룰러 RF 트랜시버(1722)를 통해 UE(104)와 통신할 수 있다. 베이스밴드 유닛(1704)은 컴퓨터-판독가능 매체/메모리를 포함할 수 있다. 베이스밴드 유닛(1704)은 컴퓨터-판독가능 매체/메모리 상에 저장된 소프트웨어의 실행을 포함하는 일반적인 프로세싱을 담당한다. 소프트웨어는, 베이스밴드 유닛(1704)에 의해 실행될 때, 베이스밴드 유닛(1704)으로 하여금 위에서 설명된 다양한 기능들을 수행하게 한다. 컴퓨터-판독가능 매체/메모리는 또한, 소프트웨어를 실행할 때 베이스밴드 유닛(1704)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다. 베이스밴드 유닛(1704)은 수신 컴포넌트(1730), 통신 관리자(1732), 및 송신 컴포넌트(1734)를 더 포함한다. 통신 관리자(1732)는 하나 이상의 예시된 컴포넌트들을 포함한다. 통신 관리자(1732) 내의 컴포넌트들은 컴퓨터-판독가능 매체/메모리에 저장되고 그리고/또는 베이스밴드 유닛(1704) 내의 하드웨어로서 구성될 수 있다. 베이스밴드 유닛(1704)은 기지국(310)의 컴포넌트일 수 있으며, TX 프로세서(316), RX 프로세서(370), 및 제어기/프로세서(375) 중 적어도 하나 및/또는 메모리(376)를 포함할 수 있다.
[0213] 통신 관리자(1732)는, 예컨대 1402, 1404, 1406, 1502, 및 1504와 관련하여 설명된 바와 같이, UE가 트레이닝시켜야 하는 CSI 리포트, 뉴럴 네트워크 및/또는 계층에 대응하는 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들을 결정 또는 검출하고, 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하고, 결정된 또는 검출된 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하고, 그리고 무선 메시지에서 별개의 트레이닝 커맨드를 UE에 송신하도록 구성된 뉴럴 네트워크 트레이닝 구성 컴포넌트(1740)를 포함한다.
[0214] 장치는, 도 11, 도 14, 및 도 15의 전술된 흐름도들 내의 알고리즘의 블록들 각각을 수행하는 부가적인 컴포넌트들을 포함할 수 있다. 그러므로, 도 11, 도 14, 및 도 15의 전술된 흐름도들 내의 각각의 블록은 컴포넌트에 의해 수행될 수 있으며, 장치는 이들 컴포넌트들 중 하나 이상을 포함할 수 있다. 컴포넌트들은, 열거된 프로세스들/알고리즘을 수행하도록 특수하게 구성된 하나 이상의 하드웨어 컴포넌트들일 수 있거나, 열거된 프로세스들/알고리즘을 수행하도록 구성된 프로세서에 의해 구현될 수 있거나, 프로세서에 의한 구현을 위해 컴퓨터-판독가능 매체 내에 저장될 수 있거나, 이들의 일부 조합일 수 있다.
[0215] 일 구성에서, 장치(1702) 및 특히 베이스밴드 유닛(1704)은 사용자 장비(UE)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 결정 또는 검출하기 위한 수단, 및 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하기 위한 수단을 포함한다. 장치(1702)는 또한 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용하도록 UE에게 표시할 트레이닝 커맨드를 무선 메시지에서 송신하기 위한 수단을 포함한다. 전술된 수단은, 전술된 수단에 의해 인용된 기능들을 수행하도록 구성된 장치(1702)의 전술된 컴포넌트들 중 하나 이상일 수 있다. 위에서 설명된 바와 같이, 장치(1702)는 TX 프로세서(316), RX 프로세서(370), 및 제어기/프로세서(375)를 포함할 수 있다. 그러므로, 일 구성에서, 전술된 수단은, 전술된 수단에 의해 언급된 기능들을 수행하도록 구성된 TX 프로세서(316), RX 프로세서(370), 및 제어기/프로세서(375)일 수 있다.
[0216] 도 11, 도 12, 도 13, 도 14, 도 15, 도 16, 및 도 17을 다시 참조하면, 네트워크 엔티티는 UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 결정 또는 검출하고, 그리고 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신할 수 있다. 무선 네트워크 엔티티는 기지국, TRP, 코어 네트워크 컴포넌트, 또는 다른 UE일 수 있다. UE는 무선 네트워크 엔티티로부터 구성을 수신하고, 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시킬 수 있다. UE는 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, 및/또는 UE에서의 무선 파형 결정 중 하나 이상을 수행하도록 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0217] 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들의 구성은 RRC 시그널링, 상위-계층 시그널링, MAC-CE, DCI, SCI, 및/또는 사이드링크 메시지 중 하나 이상에서 수신될 수 있다. 구성은 상위-계층 시그널링 내의 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들, 및 MAC-CE, DCI, 및/또는 이들의 조합 내의 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 포함할 수 있다.
[0218] 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들은 채널 상태 정보 리포팅 ID, 채널 상태 기준 신호 ID, 컴포넌트 캐리어 ID, BWP(bandwidth part) ID, 뉴럴 네트워크 ID, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 또는 트레이닝될 계층들의 서브세트 중 하나 이상을 포함할 수 있다.
[0219] 네트워크 엔티티는 무선 메시지에서 트레이닝 커맨드를 UE에 송신할 수 있고, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용할 수 있다. 예컨대, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 다른 예에 대해, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 구성을 적용할 수 있다. 또 다른 예에 대해, UE는 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 구성을 적용할 수 있다.
[0220] 트레이닝 커맨드의 송신 및 뉴럴 네트워크 트레이닝은 독립적으로 구성될 수 있다. 예컨대, 트레이닝 커맨드는 제1 주파수 범위에서 수신될 수 있고, UE는 제2 주파수 범위 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 다른 예에 대해, UE는 제1 컴포넌트 캐리어에서 트레이닝 커맨드를 수신할 수 있고, UE는 제2 컴포넌트 캐리어 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다. 또 다른 예에 대해, UE는 제1 주파수 대역에서 트레이닝 커맨드를 수신할 수 있고, UE는 제2 주파수 대역 상에서 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0221] 구성은 뉴럴 네트워크를 트레이닝시키는 것과 연관된 시간 기간을 표시할 수 있다. 시간 기간은 뉴럴 네트워크 트레이닝의 주기성 및/또는 타이머 중 하나 이상일 수 있다. 일 양상에서, 구성은 시간 기간이 만료될 때 UE가 수행할 액션을 표시할 수 있다. 액션은 뉴럴 네트워크를 트레이닝시키는 것을 중단하는 것, 뉴럴 네트워크의 계층들을 동결시키는 것, 또는 뉴럴 네트워크의 하나 이상의 계층들의 트레이닝을 재개하는 것 중 하나 이상을 포함할 수 있다. 다른 양상에서, 시간 기간은 뉴럴 네트워크 트레이닝의 주기성을 표시할 수 있다. 예컨대, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간 또는 반-영구적 시간을 표시할 수 있으며, UE는 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로 트레이닝시키도록 구성될 수 있다. 다른 예에 대해, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 비주기적 시간일 수 있으며, UE는 시간 기간에 기반하여 뉴럴 네트워크의 비주기적 트레이닝을 위해 구성될 수 있다.
[0222] 개시된 프로세스들/흐름도들 내의 블록들의 특정한 순서 또는 계층이 예시적인 접근법들의 예시임을 이해한다. 설계 선호도들에 기반하여, 프로세스들/흐름도들 내의 블록들의 특정한 순서 또는 계층이 재배열될 수 있음을 이해한다. 추가로, 일부 블록들은 조합 또는 생략될 수 있다. 첨부한 방법 청구항들은 샘플 순서로 다양한 블록들의 엘리먼트들을 제시하며, 제시된 특정한 순서 또는 계층으로 제한되도록 의도되지 않는다.
[0223] 이전의 설명은 임의의 당업자가 본 명세서에 설명된 다양한 양상들을 실시할 수 있도록 제공된다. 이들 양상들에 대한 다양한 변형들은 당업자들에게는 용이하게 명백할 것이며, 본 명세서에 정의된 일반적인 원리들은 다른 양상들에 적용될 수 있다. 따라서, 청구항들은 본 명세서에 설명된 양상들로 제한되도록 의도되는 것이 아니라, 청구항 문언들에 일치하는 최대 범위를 부여하려는 것이며, 여기서, 단수형의 엘리먼트에 대한 참조는 특정하게 그렇게 언급되지 않으면 "하나 및 오직 하나"를 의미하기보다는 오히려 "하나 이상"을 의미하도록 의도된다. "한다면", "할 때", "동안"과 같은 용어들은 즉각적인 시간적 관계 또는 반응을 의미하기보다는 "~하는 조건 하에서"를 의미하는 것으로 해석되어야 한다. 즉, 이들 문구들, 예컨대 "할 때"는 액션의 발생에 대한 응답으로의 또는 액션의 발생 동안의 즉각적인 액션을 의미하는 것이 아니라, 단순히 조건이 충족되면, 액션이 발생할 것임을 의미하지만, 액션이 발생할 특정한 또는 즉각적인 시간 제약을 요구하지 않는다. 단어 "예시적인"은 "예, 예시, 또는 예증으로서 기능하는 것"을 의미하도록 본 명세서에서 사용된다. "예시적인" 것으로서 본 명세서에 설명된 임의의 양상은 다른 양상들에 비해 바람직하거나 유리한 것으로서 반드시 해석되는 것은 아니다. 달리 특정하게 언급되지 않으면, 용어 "일부"는 하나 이상을 지칭한다. "A, B, 또는 C 중 적어도 하나", "A, B, 또는 C 중 하나 이상", "A, B, 및 C 중 적어도 하나", "A, B, 및 C 중 하나 이상" 및 "A, B, C, 또는 이들의 임의의 조합"과 같은 조합들은, A, B, 및/또는 C의 임의의 조합을 포함하며, A의 배수들, B의 배수들, 또는 C의 배수들을 포함할 수 있다. 구체적으로, "A, B, 또는 C 중 적어도 하나", "A, B, 또는 C 중 하나 이상", "A, B, 및 C 중 적어도 하나", "A, B, 및 C 중 하나 이상", 및 "A, B, C, 또는 이들의 임의의 조합"과 같은 조합들은, 단지 A, 단지 B, 단지 C, A 및 B, A 및 C, B 및 C, 또는 A 및 B 및 C일 수 있으며, 여기서, 임의의 그러한 조합들은 A, B, 또는 C의 하나 이상의 멤버 또는 멤버들을 포함할 수 있다. 당업자들에게 알려졌거나 추후에 알려지게 될 본 개시내용 전반에 걸쳐 설명된 다양한 양상들의 엘리먼트들에 대한 모든 구조적 및 기능적 등가물들은, 인용에 의해 본 명세서에 명백히 포함되고, 청구항들에 의해 포함되도록 의도된다. 게다가, 본 명세서에 개시된 어떠한 것도, 그와 같은 개시내용이 청구항들에 명시적으로 인용되는지 여부에 관계없이 공중에 전용되도록 의도되지 않는다. 단어들 "모듈", "메커니즘", "엘리먼트", "디바이스" 등은 단어 "수단"에 대한 대체물이 아닐 수 있다. 그러므로, 어떤 청구항 엘리먼트도, 그 엘리먼트가 "하기 위한 수단"이라는 어구를 사용하여 명시적으로 언급되지 않으면, 수단 플러스 기능으로서 해석되지 않을 것이다.
[0224] 다음의 양상들은 예시일 뿐이며, 제한 없이 본 명세서에 설명된 다른 양상들 또는 교시들과 조합될 수 있다.
[0225] 양상 1은 UE에서의 무선 통신을 위한 장치이며, 그 장치는 메모리에 커플링된 적어도 하나의 프로세서를 포함하고, 그 적어도 하나의 프로세서는 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하고, 그리고 무선 네트워크 엔티티로부터 수신된 구성에 기반하여 뉴럴 네트워크를 트레이닝시키도록 구성된다.
[0226] 양상 2는 양상 1의 장치이며, 그 장치는 적어도 하나의 프로세서에 커플링된 트랜시버를 더 포함하고, 무선 네트워크 엔티티는 기지국, TRP, 코어 네트워크 컴포넌트, 서버 또는 다른 UE를 포함한다.
[0227] 양상 3은 양상 1 또는 양상 2의 장치이며, 뉴럴 네트워크는 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, 또는 UE에서의 무선 파형 결정 중 적어도 하나를 수행하도록 트레이닝된다.
[0228] 양상 4는 양상 1 내지 양상 3의 장치이며, 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들의 구성은 상위-계층 시그널링, RRC 시그널링, MAC-CE, DCI, SCI, 또는 사이드링크 메시지 중 적어도 하나에서 수신된다.
[0229] 양상 5는 양상 4의 장치이며, 구성을 수신하기 위해, 적어도 하나의 프로세서 및 메모리는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고, 그리고 MAC-CE, DCI, 또는 이들의 조합 중 적어도 하나에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 수신하도록 구성된다.
[0230] 양상 6은 양상 1 내지 양상 5의 장치이며, 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들은 채널 상태 정보 리포팅 식별자, 채널 상태 기준 신호 식별자, 컴포넌트 캐리어 식별자, BWP 식별자, 뉴럴 네트워크 식별자, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 트레이닝될 계층들의 서브세트, 또는 이들의 조합 중 적어도 하나를 포함한다.
[0231] 양상 7은 양상 1 내지 양상 6의 장치이며, 적어도 하나의 프로세서 및 메모리는 무선 메시지에서 트레이닝 커맨드를 수신하도록 추가로 구성되고, UE는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용한다.
[0232] 양상 8은 양상 7의 장치이며, 트레이닝 커맨드는 그룹 공통 커맨드이고, 그룹 공통 커맨드는 그룹 공통 DCI를 통해 수신된다.
[0233] 양상 9는 양상 7의 장치이며, 메모리 및 적어도 하나의 프로세서는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 뉴럴 네트워크의 각각의 계층을 트레이닝시키기 위해 구성을 적용하도록 추가로 구성된다.
[0234] 양상 10은 양상 7의 장치이며, 메모리 및 적어도 하나의 프로세서는 트레이닝 커맨드를 수신하는 것에 대한 응답으로 UE에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 구성을 적용하도록 추가로 구성된다.
[0235] 양상 11은 양상 7의 장치이며, 메모리 및 적어도 하나의 프로세서는 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 구성을 적용하도록 추가로 구성된다.
[0236] 양상 12는 양상 7의 장치이며, 메모리 및 적어도 하나의 프로세서는 제1 주파수 범위에서 트레이닝 커맨드를 수신하도록 추가로 구성되고, UE는 제2 주파수 범위 상에서 뉴럴 네트워크를 트레이닝시킨다.
[0237] 양상 13은 양상 7의 장치이며, 메모리 및 적어도 하나의 프로세서는 제1 컴포넌트 캐리어에서 트레이닝 커맨드를 수신하도록 추가로 구성되고, UE는 제2 컴포넌트 캐리어 상에서 뉴럴 네트워크를 트레이닝시킨다.
[0238] 양상 14는 양상 7의 장치이며, 메모리 및 적어도 하나의 프로세서는 제1 주파수 대역에서 트레이닝 커맨드를 수신하도록 추가로 구성되고, UE는 제2 주파수 대역 상에서 뉴럴 네트워크를 트레이닝시킨다.
[0239] 양상 15는 양상 1 내지 양상 14의 장치이며, 구성은 뉴럴 네트워크를 트레이닝시키는 것과 연관된 시간 기간을 표시한다.
[0240] 양상 16은 양상 15의 장치이며, 구성은 시간 기간이 만료될 때 UE가 수행할 액션을 표시한다.
[0241] 양상 17은 양상 16의 장치이며, 액션은 뉴럴 네트워크를 트레이닝시키는 것을 중단하는 것, 뉴럴 네트워크의 계층들을 동결시키는 것, 또는 뉴럴 네트워크의 하나 이상의 계층들의 트레이닝을 재개하는 것 중 적어도 하나를 포함한다.
[0242] 양상 18은 양상 15의 장치이며, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간 또는 반-영구적 시간이고, 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들을 적용하는 것은 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로 트레이닝시키는 것을 포함한다.
[0243] 양상 19는 양상 15의 장치이며, 시간 기간은 뉴럴 네트워크를 트레이닝시키기 위한 비주기적 시간이고, 메모리 및 적어도 하나의 프로세서는 시간 기간에 기반하여 뉴럴 네트워크를 주기적으로 또는 비주기적으로 트레이닝시키도록 추가로 구성된다.
[0244] 양상 20은 양상 1 내지 양상 19 중 어느 하나의 양상을 구현하기 위한 무선 통신 방법이다.
[0245] 양상 21은 양상 1 내지 양상 19 중 어느 하나의 양상을 구현하기 위한 수단을 포함하는 무선 통신을 위한 장치이다.
[0246] 양상 22는 컴퓨터 실행가능 코드를 저장하는 컴퓨터-판독가능 매체이며, 코드는, 프로세서에 의해 실행될 때, 프로세서로 하여금 양상 1 내지 양상 19 중 어느 하나의 양상을 구현하게 한다.
[0247] 양상 23은 무선 통신을 위한 장치이며, 그 장치는 메모리에 커플링된 적어도 하나의 프로세서를 포함하고, 그 적어도 하나의 프로세서는, UE에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하고, 그리고 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 UE에 송신하도록 구성된다.
[0248] 양상 24는 양상 23의 장치이며, 장치는 무선 통신 시스템 또는 다른 UE에 대한 네트워크 엔티티를 포함한다.
[0249] 양상 25는 양상 24 또는 양상 23의 장치이며, 하나 이상의 파라미터들은 UE에서의 무선 채널 압축, UE에서의 무선 채널 측정, UE에서의 무선 간섭 측정, UE 포지셔닝, 또는 UE에서의 무선 파형 결정 중 적어도 하나를 수행하도록 뉴럴 네트워크를 트레이닝시키기 위한 것이다.
[0250] 양상 26은 양상 24 또는 양상 25의 장치이며, 구성은 상위-계층 시그널링, RRC 시그널링, MAC-CE, DCI, SCI, 또는 사이드링크 메시지 중 적어도 하나에서 송신된다.
[0251] 양상 27은 양상 26의 장치이며, 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하기 위해, 적어도 하나의 프로세서 및 메모리는 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝을 위한 파라미터들의 다수의 세트들을 송신하고, 그리고 MAC-CE, DCI, 또는 이들의 조합 중 적어도 하나에서 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 송신하도록 구성된다.
[0252] 양상 28은 양상 23 내지 양상 27의 장치이며, 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들은 채널 상태 정보 리포팅 식별자, 채널 상태 기준 신호 식별자, 컴포넌트 캐리어 식별자, BWP 식별자, 뉴럴 네트워크 식별자, 트레이닝될 적어도 하나의 계층의 제1 표시, 동결될 적어도 하나의 계층의 제2 표시, 트레이닝될 다수의 계층들의 그룹, 트레이닝될 계층들의 서브세트, 또는 이들의 조합 중 적어도 하나를 포함한다.
[0253] 양상 29는 양상 23 내지 28의 장치이며, 적어도 하나의 프로세서 및 메모리는 UE에서 뉴럴 네트워크를 트레이닝시키기 위해 구성을 적용하도록 UE에게 표시하기 위해 트레이닝 커맨드를 무선 메시지에서 송신하도록 추가로 구성된다.
[0254] 양상 30은 양상 29의 장치이며, 트레이닝 커맨드는 그룹 공통 커맨드이고, 그룹 공통 커맨드는 그룹 공통 DCI를 통해 송신된다.
[0255] 양상 31은 양상 29의 장치이며, 트레이닝 커맨드는 UE가 UE에서 뉴럴 네트워크의 각각의 계층을 트레이닝시키기 위해 구성을 적용한다는 것을 표시한다.
[0256] 양상 32는 양상 29의 장치이며, 트레이닝 커맨드는 UE가 UE에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 구성을 적용한다는 것을 표시한다.
[0257] 양상 33은 양상 29의 장치이며, 트레이닝 커맨드는 UE가 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 구성을 적용한다는 것을 표시한다.
[0258] 양상 34는 양상 29의 장치이며, 트레이닝 커맨드는 UE가 제2 주파수 범위 상에서 뉴럴 네트워크를 트레이닝시키기 위해 제1 주파수 범위에서 송신된다.
[0259] 양상 35는 양상 29의 장치이며, 트레이닝 커맨드는 UE가 제2 컴포넌트 캐리어 상에서 뉴럴 네트워크를 트레이닝시키기 위해 제1 컴포넌트 캐리어에서 송신된다.
[0260] 양상 36은 양상 29의 장치이며, 트레이닝 커맨드는 UE가 제2 주파수 대역 상에서 뉴럴 네트워크를 트레이닝시키기 위해 제1 주파수 대역에서 송신된다.
[0261] 양상 37은 양상 23 내지 양상 36의 장치이며, 구성은 뉴럴 네트워크를 트레이닝시키는 것과 연관된 시간 기간을 표시한다.
[0262] 양상 38은 양상 37의 장치이며, 구성은 시간 기간이 만료될 때 UE가 수행할 액션을 표시한다.
[0263] 양상 39는 양상 38의 장치이며, 액션은 뉴럴 네트워크를 트레이닝시키는 것을 중단하는 것, 뉴럴 네트워크의 계층들을 동결시키는 것, 또는 뉴럴 네트워크의 하나 이상의 계층들의 트레이닝을 재개하는 것 중 적어도 하나를 포함한다.
[0264] 양상 40은 양상 37의 장치이며, 시간 기간은 UE가 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간 또는 반-영구적 시간이다.
[0265] 양상 41은 양상 37의 장치이며, 시간 기간은 UE가 뉴럴 네트워크를 트레이닝시키기 위한 비주기적 시간이다.
[0266] 양상 42는 양상 23 내지 양상 41 중 어느 하나의 양상을 구현하기 위한 무선 통신 방법이다.
[0267] 양상 43은 양상 23 내지 양상 41 중 어느 하나의 양상을 구현하기 위한 수단을 포함하는 무선 통신을 위한 장치이다.
[0268] 양상 44는 컴퓨터 실행가능 코드를 저장하는 컴퓨터-판독가능 매체이며, 코드는, 프로세서에 의해 실행될 때, 프로세서로 하여금 양상 23 내지 양상 41 중 어느 하나의 양상을 구현하게 한다.
Claims (30)
- 사용자 장비(UE)에서의 무선 통신을 위한 장치로서,
메모리; 및
상기 메모리에 커플링된 적어도 하나의 프로세서를 포함하며,
상기 적어도 하나의 프로세서 및 상기 메모리는,
상기 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하고; 그리고
상기 무선 네트워크 엔티티로부터 수신된 상기 구성에 기반하여 뉴럴 네트워크를 트레이닝시키도록
구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제1항에 있어서,
상기 적어도 하나의 프로세서에 커플링된 트랜시버를 더 포함하며,
상기 무선 네트워크 엔티티는 기지국, TRP(transmission reception point), 코어 네트워크 컴포넌트, 서버 또는 다른 UE를 포함하는, 사용자 장비에서의 무선 통신을 위한 장치. - 제1항에 있어서,
상기 뉴럴 네트워크는,
상기 UE에서의 무선 채널 압축,
상기 UE에서의 무선 채널 측정,
상기 UE에서의 무선 간섭 측정,
UE 포지셔닝, 또는
상기 UE에서의 무선 파형 결정
중 적어도 하나를 수행하도록 트레이닝되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제1항에 있어서,
상기 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들의 구성은,
상위-계층 시그널링,
RRC(radio resource control) 시그널링,
MAC-CE(MAC(medium access control) control element),
DCI(downlink control information),
SCI(sidelink control information), 또는
사이드링크 메시지
중 적어도 하나에서 수신되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제4항에 있어서,
상기 구성을 수신하기 위해, 상기 적어도 하나의 프로세서 및 상기 메모리는,
상기 상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하고; 그리고
상기 MAC-CE, 상기 DCI, 또는 이들의 조합 중 적어도 하나에서 상기 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 수신하도록
구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제1항에 있어서,
상기 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들은,
채널 상태 정보 리포팅 식별자,
채널 상태 기준 신호 식별자,
컴포넌트 캐리어 식별자,
BWP(bandwidth part) 식별자,
뉴럴 네트워크 식별자,
트레이닝될 적어도 하나의 계층의 제1 표시,
동결될 적어도 하나의 계층의 제2 표시,
트레이닝될 다수의 계층들의 그룹,
트레이닝될 계층들의 서브세트, 또는
이들의 조합
중 적어도 하나를 포함하는, 사용자 장비에서의 무선 통신을 위한 장치. - 제1항에 있어서,
상기 적어도 하나의 프로세서 및 상기 메모리는, 무선 메시지에서 트레이닝 커맨드를 수신하도록 추가로 구성되며,
상기 UE는 상기 트레이닝 커맨드를 수신하는 것에 대한 응답으로 상기 UE에서 상기 뉴럴 네트워크를 트레이닝시키기 위해 상기 구성을 적용하는, 사용자 장비에서의 무선 통신을 위한 장치. - 제7항에 있어서,
상기 트레이닝 커맨드는 그룹 공통 커맨드이고, 상기 그룹 공통 커맨드는 그룹 공통 DCI(downlink control information)를 통해 수신되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제7항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는, 상기 트레이닝 커맨드를 수신하는 것에 대한 응답으로 상기 UE에서 다수의 뉴럴 네트워크들의 각각의 계층을 트레이닝시키기 위해 상기 구성을 적용하도록 추가로 구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제7항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는, 상기 트레이닝 커맨드에서 식별된 하나 이상의 뉴럴 네트워크들을 트레이닝시키기 위해 상기 구성을 적용하도록 추가로 구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제7항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는, 제1 주파수 범위 또는 제1 주파수 대역에서 트레이닝 커맨드를 수신하고, 그리고 제2 주파수 범위 또는 제2 주파수 대역 상에서 상기 뉴럴 네트워크를 트레이닝시키도록 구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제7항에 있어서,
상기 메모리 및 상기 적어도 하나의 프로세서는, 제1 컴포넌트 캐리어에서 상기 트레이닝 커맨드를 수신하고, 그리고 제2 컴포넌트 캐리어 상에서 상기 뉴럴 네트워크를 트레이닝시키도록 구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 제1항에 있어서,
상기 구성은 상기 뉴럴 네트워크를 트레이닝시키는 것과 연관된 시간 기간을 표시하는, 사용자 장비에서의 무선 통신을 위한 장치. - 제13항에 있어서,
상기 구성은 상기 시간 기간이 만료될 때 상기 UE가 수행할 액션을 표시하는, 사용자 장비에서의 무선 통신을 위한 장치. - 제14항에 있어서,
상기 액션은,
상기 뉴럴 네트워크를 트레이닝시키는 것을 중단하는 것,
상기 뉴럴 네트워크의 계층들을 동결시키는 것, 또는
상기 뉴럴 네트워크의 하나 이상의 계층들의 트레이닝을 재개하는 것
중 적어도 하나를 포함하는, 사용자 장비에서의 무선 통신을 위한 장치. - 제13항에 있어서,
상기 시간 기간은 상기 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간, 반-영구적 시간, 또는 비주기적 시간이며,
상기 메모리 및 상기 적어도 하나의 프로세서는 상기 시간 기간에 기반하여 상기 뉴럴 네트워크를 주기적으로 또는 비주기적으로 트레이닝시키도록 추가로 구성되는, 사용자 장비에서의 무선 통신을 위한 장치. - 사용자 장비(UE)에서의 무선 통신 방법으로서,
상기 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 무선 네트워크 엔티티로부터 수신하는 단계; 및
상기 무선 네트워크 엔티티로부터 수신된 상기 구성에 기반하여 뉴럴 네트워크를 트레이닝시키는 단계를 포함하는, 사용자 장비에서의 무선 통신 방법. - 제17항에 있어서,
상기 구성을 수신하는 단계는,
상위-계층 시그널링에서 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들을 수신하는 단계; 및
MAC-CE, DCI, 또는 이들의 조합 중 적어도 하나에서 상기 뉴럴 네트워크 트레이닝 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 수신하는 단계를 포함하는, 사용자 장비에서의 무선 통신 방법. - 제17항에 있어서,
무선 메시지에서 트레이닝 커맨드를 수신하는 단계를 더 포함하며,
상기 UE는 상기 트레이닝 커맨드를 수신하는 것에 대한 응답으로 상기 UE에서 상기 뉴럴 네트워크를 트레이닝시키기 위해 상기 구성을 적용하는, 사용자 장비에서의 무선 통신 방법. - 무선 통신을 위한 장치로서,
메모리; 및
상기 메모리에 커플링된 적어도 하나의 프로세서를 포함하며,
상기 적어도 하나의 프로세서 및 상기 메모리는,
사용자 장비(UE)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하고; 그리고
상기 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 상기 UE에 송신하도록
구성되는, 무선 통신을 위한 장치. - 제20항에 있어서,
상기 장치는 무선 통신 시스템 또는 다른 UE에 대한 네트워크 엔티티를 포함하는, 무선 통신을 위한 장치. - 제21항에 있어서,
상기 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하기 위해, 상기 적어도 하나의 프로세서 및 상기 메모리는,
상위-계층 시그널링에서 상기 뉴럴 네트워크 트레이닝을 위한 파라미터들의 다수의 세트들을 송신하고; 그리고
MAC-CE, DCI, 또는 이들의 조합 중 적어도 하나에서 상기 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 송신하도록
구성되는, 무선 통신을 위한 장치. - 제20항에 있어서,
상기 적어도 하나의 프로세서 및 상기 메모리는, 상기 UE에서 상기 뉴럴 네트워크를 트레이닝시키기 위해 상기 구성을 적용하도록 상기 UE에게 표시하기 위해 트레이닝 커맨드를 무선 메시지에서 송신하도록 추가로 구성되는, 무선 통신을 위한 장치. - 제23항에 있어서,
상기 트레이닝 커맨드는, 상기 UE가 제2 주파수 범위 또는 제2 주파수 대역 상에서 상기 뉴럴 네트워크를 트레이닝시키기 위해 제1 주파수 범위 또는 제1 주파수 대역에서 송신되는, 무선 통신을 위한 장치. - 제23항에 있어서,
상기 트레이닝 커맨드는 상기 UE가 제2 컴포넌트 캐리어 상에서 상기 뉴럴 네트워크를 트레이닝시키기 위해 제1 컴포넌트 캐리어에서 송신되는, 무선 통신을 위한 장치. - 제20항에 있어서,
상기 구성은 상기 뉴럴 네트워크를 트레이닝시키는 것과 연관된 시간 기간을 표시하는, 무선 통신을 위한 장치. - 제26항에 있어서,
상기 시간 기간은 상기 UE가 상기 뉴럴 네트워크를 트레이닝시키기 위한 주기적 시간, 반-영구적 시간, 또는 비주기적 시간인, 무선 통신을 위한 장치. - 기지국에서의 무선 통신 방법으로서,
사용자 장비(UE)에 의한 무선 통신을 위해 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하는 단계; 및
상기 UE에 의한 무선 통신을 위해 하나 이상의 뉴럴 네트워크 트레이닝 파라미터들에 대한 구성을 상기 UE에 송신하는 단계를 포함하는, 기지국에서의 무선 통신 방법. - 제28항에 있어서,
상기 뉴럴 네트워크 트레이닝을 위한 하나 이상의 파라미터들을 검출하는 단계는,
상위-계층 시그널링에서 상기 뉴럴 네트워크 트레이닝을 위한 파라미터들의 다수의 세트들을 송신하는 단계; 및
MAC-CE, DCI, 또는 이들의 조합 중 적어도 하나에서 상기 파라미터들의 다수의 세트들 중 하나의 세트의 표시를 송신하는 단계를 포함하는, 기지국에서의 무선 통신 방법. - 제28항에 있어서,
상기 UE에서 상기 뉴럴 네트워크를 트레이닝시키기 위해 상기 구성을 적용하도록 상기 UE에게 표시하기 위해 트레이닝 커맨드를 무선 메시지에서 송신하는 단계를 더 포함하는, 기지국에서의 무선 통신 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GR20200100494 | 2020-08-18 | ||
| GR20200100494 | 2020-08-18 | ||
| PCT/US2021/045998 WO2022040048A1 (en) | 2020-08-18 | 2021-08-13 | Configuration considerations for channel state information |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230051491A true KR20230051491A (ko) | 2023-04-18 |
Family
ID=77897711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237004985A KR20230051491A (ko) | 2020-08-18 | 2021-08-13 | 채널 상태 정보에 대한 구성 고려사항들 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230359886A1 (ko) |
| EP (1) | EP4201035A1 (ko) |
| KR (1) | KR20230051491A (ko) |
| CN (1) | CN116097707A (ko) |
| WO (1) | WO2022040048A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12101206B2 (en) * | 2021-07-26 | 2024-09-24 | Qualcomm Incorporated | Signaling for additional training of neural networks for multiple channel conditions |
| WO2024158325A1 (en) * | 2023-01-23 | 2024-08-02 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods and nodes in a communications network for training an autoencoder |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3418821B1 (en) * | 2017-06-19 | 2021-09-08 | Nokia Technologies Oy | Method and device for configuring a data transmission system |
| WO2019172813A1 (en) * | 2018-03-08 | 2019-09-12 | Telefonaktiebolaget Lm Ericsson (Publ) | Managing communication in a wireless communications network |
-
2021
- 2021-08-13 KR KR1020237004985A patent/KR20230051491A/ko active Search and Examination
- 2021-08-13 US US18/017,598 patent/US20230359886A1/en active Pending
- 2021-08-13 CN CN202180055534.2A patent/CN116097707A/zh active Pending
- 2021-08-13 WO PCT/US2021/045998 patent/WO2022040048A1/en unknown
- 2021-08-13 EP EP21773917.6A patent/EP4201035A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20230359886A1 (en) | 2023-11-09 |
| EP4201035A1 (en) | 2023-06-28 |
| WO2022040048A1 (en) | 2022-02-24 |
| CN116097707A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230328559A1 (en) | Reporting configurations for neural network-based processing at a ue | |
| WO2021008007A1 (en) | System and method for reporting channel state and doppler frequency information | |
| KR20220103933A (ko) | Mac-ce를 통해 경로손실 기준 신호 업데이트들을 인에이블하기 위한 rrc 표시 | |
| TWI790371B (zh) | 動態搜尋空間配置 | |
| CN112204896A (zh) | 经由多个经波束成形信道的经聚集时隙的传输 | |
| KR20210102238A (ko) | Cot에서 선택된 coreset들의 서브세트의 시그널링 | |
| US11751186B2 (en) | Single layer uplink non-codebook based precoding optimization | |
| CN115777219A (zh) | 在最大允许暴露（mpe）限值下进行上行链路传输的天线面板选择 | |
| CN114223245A (zh) | 用于csi报告增强的频域基限制 | |
| EP4374627A1 (en) | Reference signal availability indication by paging pdcch and pei | |
| KR20230161974A (ko) | 페이징 조기 표시 | |
| KR20230066563A (ko) | 지연된 harq를 갖는 sps를 위한 코드북 생성 | |
| US20230359886A1 (en) | Configuration considerations for channel state information | |
| US11818729B2 (en) | Reporting on lean synchronization signal blocks to enable beam management | |
| WO2023070361A1 (en) | Ris configuration computation using reinforcement learning | |
| KR20220103107A (ko) | 구성되는 그리고 활성화되는 경로 손실 기준 신호들에 대한 ue 능력 보고 | |
| KR20220049519A (ko) | 네트워크 코딩 설계 | |
| KR20240071378A (ko) | 주기적 포지셔닝 보고 강화 | |
| CN115398949A (zh) | 用于加快针对基于svd的预编码的csi反馈的新csi报告设置 | |
| US20220385398A1 (en) | Erasure style ldpc rate matching for tb over multiple slots | |
| US11722189B2 (en) | Fronthaul compression for sparse access and dense access | |
| US11838231B2 (en) | Encoding for uplink channel repetition | |
| WO2022251229A1 (en) | Erasure style ldpc rate matching for tb over multiple slots | |
| EP4409797A1 (en) | Reference signal for skipped pdsch | |
| CN118251853A (zh) | 具有分数秩指示符的信道状态反馈 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |