TW202348066A - 機器學習模型定位效能監控和報告 - Google Patents
機器學習模型定位效能監控和報告 Download PDFInfo
- Publication number
- TW202348066A TW202348066A TW112111174A TW112111174A TW202348066A TW 202348066 A TW202348066 A TW 202348066A TW 112111174 A TW112111174 A TW 112111174A TW 112111174 A TW112111174 A TW 112111174A TW 202348066 A TW202348066 A TW 202348066A
- Authority
- TW
- Taiwan
- Prior art keywords
- positioning
- location
- measurements
- machine learning
- learning model
- Prior art date
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 156
- 238000012544 monitoring process Methods 0.000 title description 9
- 238000005259 measurement Methods 0.000 claims abstract description 177
- 238000000034 method Methods 0.000 claims abstract description 142
- 238000004891 communication Methods 0.000 claims abstract description 118
- 230000015654 memory Effects 0.000 claims description 44
- 230000004044 response Effects 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 90
- 230000005540 biological transmission Effects 0.000 description 47
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000005516 engineering process Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 238000007726 management method Methods 0.000 description 20
- 238000003860 storage Methods 0.000 description 16
- 230000001413 cellular effect Effects 0.000 description 15
- 238000012546 transfer Methods 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 239000000969 carrier Substances 0.000 description 10
- 238000003066 decision tree Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 10
- 230000011664 signaling Effects 0.000 description 10
- 238000012937 correction Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013145 classification model Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000003491 array Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000003416 augmentation Effects 0.000 description 4
- 230000006837 decompression Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012913 prioritisation Methods 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 241000700159 Rattus Species 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000006249 magnetic particle Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 101150054427 AOD1 gene Proteins 0.000 description 1
- 101100108974 Emericella nidulans (strain FGSC A4 / ATCC 38163 / CBS 112.46 / NRRL 194 / M139) alxA gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000000615 nonconductor Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/0009—Transmission of position information to remote stations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0244—Accuracy or reliability of position solution or of measurements contributing thereto
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0268—Hybrid positioning by deriving positions from different combinations of signals or of estimated positions in a single positioning system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
揭示用於無線通訊的技術。在一個態樣,網路實體從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由該UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與網路節點之間的無線通道的一或多個量測;及發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的效能的效能報告。
Description
本專利申請案主張於2022年4月29日提出申請的、發明名稱為「RADIO FREQUENCY FINGERPRINT (RFFP) POSITIONING PERFORMANCE MONITORING AND REPORTING(射頻指紋(RFFP)定位效能監控和報告)」的美國臨時申請案第63/363,929號的權益,該臨時申請案被轉讓給本案的受讓人,並且其全部內容經由引用的方式明確地併入本文中。
本案的態樣大體上係關於無線通訊。
無線通訊系統已經發展了多代,包括第一代類比無線電話服務(1G)、第二代(2G)數位無線電話服務(包括過渡的2.5G和2.75G網路)、第三代(3G)高速資料、支援網際網路的無線服務和第四代(4G)服務(例如,長期進化(LTE)或WiMax)。目前有許多不同類型的無線通訊系統在使用,包括蜂巢和個人通訊服務(PCS)系統。已知蜂巢式系統的例子係包括蜂巢類比高級行動電話系統(AMPS)和基於分碼多工存取(CDMA)、分頻多工存取(FDMA)、分時多工存取(TDMA)、行動通訊全球系統(GSM)等的數位蜂巢式系統。
被稱為新無線電(NR)的第五代(5G)無線標準實現了較高的資料傳輸速度、更多的連接和更好的覆蓋,以及其他改進。根據下一代行動網路聯盟,5G標準意欲提供比以前的標準更高的資料速率、更精確的定位(例如,基於用於定位的參考訊號(RS-P),諸如下行鏈路、上行鏈路或側鏈路定位參考訊號(PRS))以及其他技術增強。這些增強以及更高頻段的使用、PRS程序和技術的進步以及5G的高密度部署實現了高度精確的基於5G的定位。
以下呈現了與本文所揭示的一或多個態樣相關的簡要概述。因此,以下概述不應被視為與所有預期態樣相關的廣泛綜述,亦不應被視為決定與所有預期態樣相關的關鍵或重要元素或圖示與任何特定態樣相關聯的範疇。因此,以下概述的唯一目的是在以下呈現的詳細描述之前,以簡化的形式呈現與涉及本文所揭示的機制的一或多個態樣相關的某些概念。
在一個態樣,由網路實體執行的通訊的方法包括:從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在一或多個定位推斷時機之每一者期間被應用於UE與網路節點之間的無線通道的一或多個量測;及發送指示機器學習模型至少在一或多個定位推斷時機期間推導一或多個定位估計態樣的效能的效能報告。
在一個態樣,由使用者設備(UE)執行的無線通訊的方法包括:向位置伺服器發送提供能力訊息,該提供能力訊息指示UE能夠報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;及向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,由使用者設備(UE)執行的無線通訊的方法包括:向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求位置伺服器配置UE來報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;從位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置UE來至少報告置信度度量;及向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,網路實體包括:記憶體;至少一個收發器;及至少一個處理器,通訊地耦合到記憶體和至少一個收發器,該至少一個處理器被配置為:經由至少一個收發器從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在一或多個定位推斷時機之每一者期間被應用於UE與網路節點之間的無線通道的一或多個量測;及經由至少一個收發器發送指示機器學習模型至少在一或多個定位推斷時機期間推導一或多個定位估計態樣的效能的效能報告。
在一個態樣,使用者設備(UE)包括:記憶體;至少一個收發器;及至少一個處理器,通訊地耦合到記憶體和至少一個收發器,該至少一個處理器被配置為:經由至少一個收發器向位置伺服器發送提供能力訊息,該提供能力訊息指示UE能夠報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型中推導;及經由至少一個收發器向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,使用者設備(UE)包括:記憶體;至少一個收發器;及至少一個處理器,通訊地耦合到記憶體和至少一個收發器,該至少一個處理器被配置為:經由至少一個收發器向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求位置伺服器配置UE來報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;經由至少一個收發器從位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置UE來至少報告置信度度量;及經由至少一個收發器向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,網路實體包括:用於從使用者設備(UE)接收提供位置資訊訊息的部件,該提供位置資訊訊息包括由UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在一或多個定位推斷時機之每一者期間被應用於UE與網路節點之間的無線通道的一或多個量測;及用於發送指示機器學習模型至少在一或多個定位推斷時機期間推導一或多個定位估計態樣的效能的效能報告的部件。
在一個態樣,使用者設備(UE)包括:用於向位置伺服器發送提供能力訊息的部件,該提供能力訊息指示UE能夠報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;及用於向位置伺服器發送位置資訊訊息的部件,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,使用者設備(UE)包括:用於向位置伺服器發送請求輔助資料訊息的部件,該請求輔助資料訊息請求位置伺服器配置UE來報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;用於從位置伺服器接收提供輔助資料訊息的部件,該提供輔助資料訊息配置UE來至少報告置信度度量;及用於向位置伺服器發送位置資訊訊息的部件,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,非暫時性電腦可讀取媒體儲存電腦可執行指令,電腦可執行指令在由網路實體執行時使網路實體:從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在一或多個定位推斷時機之每一者期間被應用於UE與網路節點之間的無線通道的一或多個量測;並且發送指示機器學習模型至少在一或多個定位推斷時機期間推導一或多個定位估計態樣的效能的效能報告。
在一個態樣,非暫時性電腦可讀取媒體儲存電腦可執行指令,電腦可執行指令在由使用者設備(UE)執行時使UE:向位置伺服器發送提供能力訊息,該提供能力訊息指示UE能夠報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;並且向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。
在一個態樣,非暫時性電腦可讀取媒體儲存電腦可執行指令,電腦可執行指令在由使用者設備(UE)執行時使UE:向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求位置伺服器配置UE來報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;從位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置UE來至少報告置信度度量;及向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。
基於附圖和詳細描述,與本文所揭示的態樣相關聯的其他目的和優點對於本發明所屬領域中具有通常知識者來說將是顯而易見的。
本案的態樣在以下描述和相關附圖中提供,這些描述和相關附圖針對為說明目的而提供的各種實例。在不脫離本案的範疇的情況下,可以設計替代態樣。附加地,為了不模糊本案的相關細節,將不詳細描述或省略本案的眾所周知的元素。
詞語「示例性」及/或「實例」在本文中用來表示「用作實例、例子或說明」。本文中描述為「示例性」及/或「實例」的任何態樣不一定被解釋為優選或優於其他態樣。同樣,術語「本案的態樣」不要求本案的所有態樣皆包括所論述的特徵、優點或操作模式。
本發明所屬領域中具有通常知識者將理解,下文描述的資訊和訊號可以使用各種不同的技術和製程中的任何一種來表示。例如,部分取決於特定的應用、部分取決於期望的設計、部分取決於對應的技術等,在以下整個描述中引用的資料、指令、命令、資訊、訊號、位元、符號和碼片可以由電壓、電流、電磁波、磁場或磁粒子、光場或光粒子或其任何組合來表示。
此外,許多態樣是根據將由例如計算設備的部件執行的動作序列來描述的。將認識到,本文所描述的各種動作可以由特定電路(例如,特殊應用積體電路(ASIC))、由一或多個處理器執行的程式指令、或由兩者的組合來執行。附加地,本文所描述的動作序列可以被認為完全體現在任何形式的非暫時性電腦可讀取儲存媒體中,該儲存媒體中儲存有對應的一組電腦指令,該組電腦指令在被執行時將導致或指示設備的相關聯的處理器執行本文所描述的功能。因此,本案的各個態樣可以以多種不同的形式體現,所有這些形式皆被考慮在所要求保護的主題的範疇內。此外,對於本文所描述的每個態樣,任何此類態樣的對應形式在本文可以被描述為例如「被配置為」執行所描述的動作的「邏輯」。
如本文所使用的,除非另有說明,否則術語「使用者設備」(UE)和「基地台」不意欲是特定於或以其他方式限於任何特定的無線電存取技術(RAT)。一般來說,UE可以是使用者用來經由無線通訊網路進行通訊的任何無線通訊設備(例如,行動電話、路由器、平板電腦、膝上型電腦、消費者資產定位設備、可穿戴設備(例如,智慧手錶、眼鏡、增強現實(AR)/虛擬實境(VR)頭戴式受話器等)、交通工具(例如,汽車、摩托車、自行車等)、物聯網設備(IoT)等)。UE可以是移動的或可以(例如,在某些時間)是固定的,並且可以與無線電存取網路(RAN)通訊。如本文所使用的,術語「UE」可以互換地被稱為「存取終端」或「AT」、「客戶端設備」、「無線設備」、「用戶設備」、「用戶終端」、「用戶站」、「使用者終端」或「UT」、「行動設備」、「行動終端」、「行動站」或其變體。通常,UE可以經由RAN與核心網路通訊,並且經由核心網路,UE可以與外部網路(諸如網際網路)和其他UE連接。當然,對於UE來說,連接到核心網路及/或網際網路的其他機制亦是可能的,諸如經由有線存取網路、無線區域網路(WLAN)網路(例如,基於電氣和電子工程師協會(IEEE)802.11規範等)等。
基地台可以根據與UE通訊的若干RAT中的一個來操作,這取決於它被部署在其中的網路,並且可以替代地被稱為存取點(AP)、網路節點、NodeB、進化NodeB(eNB)、下一代eNB(ng-eNB)、新無線電(NR)節點B(亦可以被稱為gNB或gNodeB)等。基地台可以主要用於支援UE的無線存取,包括支援所支援的UE的資料、語音及/或訊號傳遞連接。在一些系統中,基地台可以提供純粹的邊緣節點訊號傳遞功能,而在其他系統中,可以提供額外的控制及/或網路管理功能。UE可以經由其向基地台發送訊號的通訊鏈路被稱為上行鏈路(UL)通道(例如,反向傳輸量通道、反向控制通道、存取通道等)。基地台可以經由其向UE發送訊號的通訊鏈路被稱為下行鏈路(DL)或前向鏈路通道(例如,傳呼通道、控制通道、廣播通道、前向傳輸量通道等)。如本文所使用的術語傳輸量通道(TCH)可以指上行鏈路/反向或下行鏈路/前向傳輸量通道。
術語「基地台」可以指單個實體發送接收點(TRP)或多個實體TRP,這些實體TRP可以共址,亦可以不共址。例如,在術語「基地台」指單個實體TRP的情況下,實體TRP可以是對應於基地台的細胞(或若干細胞扇區)的基地台的天線。在術語「基地台」指多個共址的實體TRP的情況下,實體TRP可以是基地台的天線陣列(例如,當在多輸入多輸出(MIMO)系統中時或在基地台採用波束成形的情況下)。在術語「基地台」指多個非共址的實體TRP的情況下,實體TRP可以是分散式天線系統(DAS)(經由傳輸媒體連接到公共源的空間分離天線網路)或遠端無線電頭端(RRH)(連接到服務基地台的遠端基地台)。替代地,非共址的實體TRP可以是從UE接收量測報告的服務基地台和UE正在量測其參考射頻(RF)訊號的相鄰基地台。如本文所使用的,因為TRP是基地台從其發送和接收無線訊號的點,所以對來自基地台的發送或在基地台處的接收的引用將被理解為是指基地台的特定TRP。
在支援UE的定位的一些實施方式中,基地台可能不支援UE的無線存取(例如,可能不支援UE的資料、語音及/或訊號傳遞連接),而是可以向UE發送參考訊號以由UE進行量測,及/或可以接收和量測由UE發送的訊號。此類基地台可以被稱為定位信標(例如,當向UE發送訊號時)及/或位置量測單元(例如,當接收和量測來自UE的訊號時)。
「RF訊號」包括給定頻率的電磁波,其經由發送器與接收器之間的空間傳輸資訊。如本文所使用的,發送器可以向接收器發送單個「RF訊號」或多個「RF訊號」。然而,由於RF訊號經由多徑通道的傳播特性,接收器可以接收對應於每個發送的RF訊號的多個「RF訊號」。發送器與接收器之間不同路徑上的相同的發送的RF訊號可以被稱為「多徑」RF訊號。如本文所使用的,RF訊號亦可以被稱為「無線訊號」或簡稱為「訊號」,其中從上下文中很明顯,術語「訊號」指的是無線訊號或RF訊號。
圖1圖示根據本案的態樣的實例無線通訊系統100。無線通訊系統100(亦可以被稱為無線廣域網路(WWAN))可以包括各種基地台102(標記為「BS」)和各種UE 104。基地台102可以包括巨集細胞基地台(高功率蜂巢基地台)及/或小細胞基地台(低功率蜂巢基地台)。在一個態樣,巨集細胞基地台可以包括無線通訊系統100對應於LTE網路的eNB及/或ng-eNB,無線通訊系統100對應於NR網路的gNB,或兩者的組合,並且小細胞基地台可以包括毫微微細胞、微微細胞、微細胞等。
基地台102可以共同形成RAN,並且經由回載鏈路122與核心網路170(例如,進化封包核心(EPC)或5G核心(5GC))介面,並且經由核心網路170與一或多個位置伺服器172(例如,位置管理功能(LMF)或安全使用者平面位置(SUPL)位置平臺(SLP))介面。位置伺服器172可以是核心網路170的一部分,或可以在核心網路170的外部。位置伺服器172可以與基地台102整合。UE 104可以直接或間接地與位置伺服器172通訊。例如,UE 104可以經由目前服務於該UE 104的基地台102與位置伺服器172進行通訊。UE 104亦可以經由另一路徑與位置伺服器172通訊,諸如經由應用程式伺服器(未圖示)、經由另一網路(諸如經由無線區域網路(WLAN)存取點(AP)(例如,下文描述的AP 150)),等等。出於訊號傳遞目的,UE 104與位置伺服器172之間的通訊可以被表示為間接連接(例如,經由核心網路170等)或直接連接(例如,如經由直接連接128所示),為了清楚起見,從訊號傳遞圖中省略了中間節點(若有的話)。
除了其他功能之外,基地台102可以執行與傳輸使用者資料、無線電通道加密和解密、完整性保護、標頭壓縮、行動性控制功能(例如,切換、雙重連接)、細胞間干擾協調、連接建立和釋放、負載平衡、非存取層(NAS)訊息的分發、NAS節點選擇、同步、RAN共享、多媒體廣播多播服務(MBMS)、用戶和設備追蹤、RAN資訊管理(RIM)、傳呼、定位和警告訊息的傳遞中的一或多個相關的功能。基地台102可以經由回載鏈路134彼此直接或間接通訊(例如,經由EPC/5GC),回載鏈路134可以是有線的或無線的。
基地台102可以與UE 104無線通訊。每個基地台102可以為相應的地理覆蓋區域110提供通訊覆蓋。在一個態樣,一或多個細胞可以由每個地理覆蓋區域110中的基地台102支援。「細胞」是用於與基地台通訊的邏輯通訊實體(例如,經由一些頻率資源,被稱為載波頻率、分量載波、載波、頻段等),並且可以與用於區分經由相同或不同載波頻率操作的細胞的識別符(例如,實體細胞識別符(PCI)、增強細胞識別符(ECI)、虛擬細胞識別符(VCI)、細胞全球識別符(CGI)等)相關聯。在一些情況下,不同的細胞可以根據可以為不同類型的UE提供存取的不同協定類型(例如,機器類型通訊(MTC)、窄頻IoT(NB-IoT)、增強型行動寬頻(eMBB)或其他)來配置。因為細胞由特定基地台支援的,所以根據上下文,術語「細胞」可以指邏輯通訊實體和支援它的基地台中的一個或兩個。此外,因為TRP通常是細胞的實體傳輸點,所以術語「細胞」和「TRP」可以互換地使用。在一些情況下,術語「細胞」亦可以指基地台的地理覆蓋區域(例如,扇區),只要載波頻率可以被偵測到並且用於地理覆蓋區域110的一些部分內的通訊即可。
儘管相鄰巨集細胞基地台102的地理覆蓋區域110可能部分重疊(例如,在切換區域中),但是一些地理覆蓋區域110可能被更大的地理覆蓋區域110基本重疊。例如,小細胞基地台102’(對於「小細胞」標記為「SC」)可以具有基本上與一或多個巨集細胞基地台102的地理覆蓋區域110重疊的覆蓋區域110’。包括小細胞基地台和巨集細胞基地台的網路可以被稱為異質網路。異質網路亦可以包括家庭eNB(HeNB),其可以向被稱為封閉用戶組(CSG)的受限組提供服務。
基地台102與UE 104之間的通訊鏈路120可以包括從UE 104到基地台102的上行鏈路(亦稱為反向鏈路)傳輸及/或從基地台102到UE 104的下行鏈路(DL)(亦稱為前向鏈路)傳輸。通訊鏈路120可以使用MIMO天線技術,包括空間多工、波束形成及/或發送分集。通訊鏈路120可以經由一或多個載波頻率。載波的分配相對於下行鏈路和上行鏈路可能是不對稱的(例如,下行鏈路可以比上行鏈路分配更多或更少的載波)。
無線通訊系統100亦可以包括無線區域網路(WLAN)存取點(AP)150,該AP經由通訊鏈路154在未許可頻譜(例如,5 GHz)中與WLAN站(STA)152通訊。當在未許可的頻譜中通訊時,WLAN STA 152及/或WLAN AP 150可以在通訊之前執行閒置通道評估(CCA)或先聽後說(listen before talk)程序,以便決定通道是否可用。
小細胞基地台102’可以在許可及/或未許可的頻譜中操作。當在未許可頻譜中操作時,小細胞基地台102’可以採用LTE或NR技術,並且使用與WLAN AP 150所使用的相同的5 GHz未經許可的頻譜。在未許可的頻譜中採用LTE/5G的小細胞基地台102’可以提高存取網路的覆蓋範圍及/或增加存取網路的容量。未許可頻譜中的NR可以被稱為NR-U。未許可頻譜中的LTE可以被稱為LTE-U、許可輔助存取(LAA)或非授權輔助存取(MulteFire)。
無線通訊系統100亦可以包括毫米波(mmW)基地台180,該基地台可以在mmW頻率及/或近mmW頻率下操作,與UE 182通訊。極高頻(EHF)是RF在電磁頻譜中的一部分。EHF的頻率範圍為30 GHz到300 GHz,波長在1毫米到10毫米之間。這個頻段的無線電波可以被稱為毫米波。近mmW可以延伸到3 GHz的頻率,波長為100毫米。超高頻(SHF)頻段在3 GHz到30 GHz之間延伸,亦被稱為釐米波。使用mmW/近mmW射頻頻段的通訊具有高路徑損耗和相對較短的距離。mmW基地台180和UE 182可以使用mmW通訊鏈路184上的波束成形(發送及/或接收)來補償極高的路徑損耗和短程。進一步,將理解,在替代的配置中,一或多個基地台102亦可以使用mmW或近mmW和波束成形來發送。因此,將理解,上述說明僅僅是實例,並且不應被解釋為限制本文所揭示的各個態樣。
發送波束成形是一種將RF訊號聚焦在特定方向的技術。傳統上,當網路節點(例如,基地台)廣播RF訊號時,它向所有方向(全向)廣播訊號。利用發送波束成形,網路節點決定給定目標設備(例如,UE)所在的位置(相對於發送網路節點),並且在該特定方向上投射更強的下行鏈路RF訊號,從而為接收設備提供更快(就資料速率而言)和更強的RF訊號。為了在發送時改變RF訊號的方向性,網路節點可以在正在廣播RF訊號的一或多個發送器之每一者發送器處控制RF訊號的相位和相對幅度。例如,網路節點可以使用天線陣列(被稱為「相控陣列」或「天線陣列」),其產生RF波束,該RF波束可以被「操縱」以指向不同的方向,而無需實際移動天線。具體地,來自發送器的RF電流以正確的相位關係被饋送到單獨的天線,使得來自不同天線的無線電波相加在一起以增加期望方向的輻射,同時抵消以抑制不期望方向的輻射。
發送波束可以是準共址的,這意味著它們對於接收器(例如UE)來說具有相同的參數,而不論網路節點的發送天線本身是否在實體上共址。在NR中,有四種類型的準共址(QCL)關係。具體地,給定類型的QCL關係意味著關於第二波束上的第二參考RF訊號的某些參數可以從關於源波束上的源參考RF訊號的資訊中推導。因此,若源參考RF訊號是QCL類型A,則接收器可以使用源參考RF訊號來估計在同一通道上發送的第二參考RF訊號的都卜勒頻移、都卜勒擴展、平均延遲和延遲擴展。若源參考RF訊號是QCL類型B,則接收器可以使用源參考RF訊號來估計在同一通道上發送的第二參考RF訊號的都卜勒頻移和都卜勒擴展。若源參考RF訊號是QCL類型C,則接收器可以使用源參考RF訊號來估計在同一通道上發送的第二參考RF訊號的都卜勒頻移和平均延遲。若源參考RF訊號是QCL類型D,則接收器可以使用源參考RF訊號來估計在同一通道上發送的第二參考RF訊號的空間接收參數。
在接收波束成形中,接收器使用接收波束來放大在給定通道上偵測到的RF訊號。例如,接收器可以在特定方向上增加增益設置及/或調整天線陣列的相位設置,以放大從該方向接收的RF訊號(例如,增加其增益水平)。因此,當接收器被稱為在某個方向上波束形成時,這意味著該方向上的波束增益相對於沿其他方向的波束增益較高,或該方向上的波束增益與接收器可用的所有其他接收波束在該方向上的波束增益相比是最高的。這導致從該方向接收的RF訊號具有更強的接收訊號強度(例如,參考訊號接收功率(RSRP)、參考訊號接收品質(RSRQ)、訊號干擾雜訊比(SINR)等)。
發送波束和接收波束可以是空間相關的。空間關係意味著第二參考訊號的第二波束(例如,發送波束或接收波束)的參數可以從關於第一參考訊號的第一波束(例如,接收波束或發送波束)的資訊中推導。例如,UE可以使用特定的接收波束從基地台接收參考下行鏈路參考訊號(例如,同步訊號塊(SSB))。隨後,UE可以基於接收波束的參數形成用於向該基地台發送上行鏈路參考訊號(例如,探測參考訊號(SRS))的發送波束。
需要說明的是,「下行鏈路」波束可以是發送波束或接收波束,這取決於形成該波束的實體。例如,若基地台正在形成下行鏈路波束以向UE發送參考訊號,則下行鏈路波束是發送波束。然而,若UE正在形成下行鏈路波束,則該波束是接收下行鏈路參考訊號的接收波束。類似地,「上行鏈路」波束可以是發送波束或接收波束,這取決於形成該波束的實體。例如,若基地台正在形成上行鏈路波束,則該波束是上行鏈路接收波束,並且若UE正在形成上行鏈路波束,則該波束是上行鏈路發送波束。
電磁頻譜通常基於頻率/波長細分為各種類別、頻段、通道等。在5G NR中,兩個初始工作頻段已經被標識為頻率範圍名稱FR1(410 MHz–7.125 GHz)和FR2(24.25 GHz–52.6 GHz)。應理解,儘管FR1的一部分大於6 GHz,但在各種文件和文章中,FR1通常(可互換地)被稱為「Sub-6 GHz」頻段。關於FR2,有時亦會出現類似的命名問題,儘管FR2不同於國際電信聯盟(ITU)標識為「毫米波」頻段的極高頻(EHF)頻段(30 GHz–300 GHz),但在文件和文章中,FR2通常(可互換地)被稱為「毫米波」頻段。
FR1和FR2之間的頻率通常被稱為中頻段頻率。最近的5G NR研究已經將這些中頻段頻率的工作頻段標識為頻率範圍名稱FR3(7.125 GHz–24.25 GHz)。落入FR3內的頻段可以繼承FR1特性及/或FR2特性,因此可以有效地將FR1及/或FR2的特徵擴展到中頻段頻率。此外,目前正在探索更高的頻段,以將5G NR操作擴展到52.6 GHz以上。例如,三個較高的工作頻段被標識為頻率範圍名稱FR4a或FR4-1(52.6 GHz–71 GHz)、FR4(52.6 GHz–114.25 GHz)和FR5(114.25 GHz–300 GHz)。這些較高的頻段之每一者皆落入EHF頻段內。
考慮到上述態樣,除非特別聲明,否則應理解,術語「sub-6 GHz」等若在本文使用,可以廣義地表示低於6 GHz的頻率,可以在FR1內,或可以包括中頻段頻率。此外,除非特別聲明,否則應理解,術語「毫米波」等若在本文使用,可以廣義地表示可以包括中頻段頻率、可以在FR2、FR4、FR4-a或FR4-1及/或FR5內,或可以在EHF頻段內的頻率。
在多載波系統中,諸如5G,載波頻率中的一個被稱為「主載波」或「錨載波」或「主服務細胞」或「PCell」,而剩餘的載波頻率被稱為「次載波」或「輔服務細胞」或「SCell」。在載波聚合中,錨載波是在由UE 104/182和UE 104/182在其中執行初始無線電資源控制(RRC)連接建立程序或發起RRC連接重建程序的細胞使用的主頻率(例如,FR1)上操作的載波。主載波承載所有公共和UE特定的控制通道,並且可以是許可的頻率中的載波(然而,情況並非總是如此)。次載波是在第二頻率(例如,FR2)上操作的載波,一旦在UE 104與錨定載波之間建立了RRC連接,就可以配置該第二頻率,並且該第二頻率可以用於提供額外的無線電資源。在一些情況下,次載波可以是未許可頻率中的載波。次載波可以僅包含必要的訊號傳遞資訊和訊號,例如,那些UE特定的資訊和訊號可能不存在於次載波中,因為主上行鏈路和下行鏈路載波通常皆是UE特定的。這意味著細胞中的不同UE 104/182可以具有不同的下行鏈路主載波。上行鏈路主載波亦是如此。網路能夠在任何時間改變任何UE 104/182的主載波。例如,這樣做是為了平衡不同載波的負載。因為「服務細胞」(無論是PCell還是SCell)對應於某個基地台正在通訊的載波頻率/分量載波,所以術語「細胞」、「服務細胞」、「分量載波」、「載波頻率」等可以被互換地使用。
例如,仍然參考圖1,巨集細胞基地台102使用的頻率中的一個可以是錨載波(或「PCell」),並且巨集細胞基地台102及/或mmW基地台180使用的其他頻率可以是次載波(「SCell」)。多個載波的同時發送及/或接收使得UE 104/182能夠顯著提高其資料發送及/或接收速率。例如,與單個20 MHz載波相比,多載波系統中的兩個20 MHz聚合載波理論上將導致資料速率增加兩倍(亦即,40 MHz)。
無線通訊系統100亦可以包括UE 164,UE 164可以經由通訊鏈路120與巨集細胞基地台102通訊,及/或經由mmW通訊鏈路184與mmW基地台180通訊。例如,巨集細胞基地台102可以支援UE 164的一個PCell和一或多個SCell,並且mmW基地台180可以支援UE 164的一或多個SCell。
在一些情況下,UE 164和UE 182能夠進行側鏈路通訊。支援側鏈路的UE(SL-UE)可以使用Uu介面(亦即,UE與基地台之間的空中介面)經由通訊鏈路120與基地台102通訊。SL-UE(例如,UE 164、UE 182)亦可以使用PC5介面(亦即,支援側鏈路的UE之間的空中介面)經由無線側鏈路160彼此直接通訊。無線側鏈路(或簡稱為「側鏈路」)是核心蜂巢(例如LTE、NR)標準的一種改進,它允許兩個或兩個以上UE之間直接通訊,而無需經由基地台進行通訊。側鏈路通訊可以是單播或多播,並且可以用於設備到設備(D2D)媒體共用、車輛到車輛(V2V)通訊、車聯網路(V2X)通訊(例如,蜂巢V2X(cV2X)通訊、增強型V2X(eV2X)通訊等)、緊急救援應用等。利用側鏈路通訊的一組SL-UE中的一或多個可以在基地台102的地理覆蓋區域110內。此類組中的其他SL-UE可能在基地台102的地理覆蓋區域110之外,或不能從基地台102接收傳輸。在一些情況下,經由側鏈路通訊進行通訊的SL-UE組可以利用一對多(1:M)系統,其中每個SL-UE向該組之每一者其他SL-UE進行發送。在一些情況下,基地台102促進側鏈路通訊的資源排程。在其他情況下,側鏈路通訊在不涉及基地台102的情況下在SL-UE之間執行。
在一個態樣,側鏈路160可以經由感興趣的無線通訊媒體操作,該無線通訊媒體可以與其他車輛及/或基礎設施存取點以及其他RAT之間的其他無線通訊共享。「媒體」可以由與一或多個發送器/接收器對之間的無線通訊相關聯的一或多個時間、頻率及/或空間通訊資源(例如,包含跨一或多個載波的一或多個通道)組成。在一個態樣,感興趣的媒體可以對應於在各種RAT之間共享的未許可頻段的至少一部分。儘管已經(例如,由諸如美國聯邦傳播委員會(FCC)的政府實體)為某些通訊系統保留了不同的許可頻段,但是這些系統,具體是那些採用小細胞存取點的系統,最近已經將操作擴展到了諸如由無線區域網路(WLAN)技術(最著名的是通常被稱為「Wi-Fi」的IEEE 802.11x WLAN技術)使用的未許可國家資訊基礎設施(U-NII)頻段的未許可頻段。這種類型的實例系統包括CDMA系統、TDMA系統、FDMA系統、正交FDMA(OFDMA)系統、單載波FDMA(SC-FDMA)系統等的不同變體。
需要說明的是,儘管圖1僅圖示UE中的兩個作為SL-UE(亦即,UE 164和UE 182),但是任何示出的UE皆可以是SL-UE。此外,儘管只有UE 182被描述為能夠進行波束成形,但是包括UE 164的任何所示出的UE皆能夠進行波束成形。在SL-UE能夠進行波束成形的情況下,它們可以朝向彼此(亦即,朝向其他SL-UE)、朝向其他UE(例如,UE 104)、朝向基地台(例如,基地台102、180、小細胞102’、存取點150)等進行波束成形。因此,在一些情況下,UE 164和UE 182可以利用側鏈路160上的波束成形。
在圖1的實例中,任何示出的UE(為了簡單起見,在圖1中示為單個UE 104)可以從一或多個地球軌道航天器(SV)112(例如,衛星)接收訊號124。在一個態樣,SV 112可以是衛星定位系統的一部分,UE 104可以將該衛星定位系統用作獨立的位置資訊源。衛星定位系統通常包括發送器系統(例如,SV 112),其被定位成使得接收器(例如,UE 104)能夠至少部分地基於從發送器接收的定位訊號(例如,訊號124)來決定它們在地球上或地球上方的位置。此類發送器通常發送用設定數量的碼片的重複假性隨機雜訊(PN)碼標記的訊號。儘管通常位於SV 112中,但發送器有時可以位於基於地面的控制站、基地台102及/或其他UE 104上。UE 104可以包括一或多個專用接收器,其被專門設計為接收用於從SV 112推導地理位置資訊的訊號124。
在衛星定位系統中,訊號124的使用可以經由各種基於衛星的增強系統(SBAS)來增強,SBAS可以與一或多個全球及/或區域性導航衛星系統相關聯或以其他方式能夠與一或多個全球及/或區域性導航衛星系統一起使用。例如,SBAS可以包括提供完整性資訊、差分校正等的增強系統,諸如廣域增強系統(WAAS)、歐洲地球同步導航覆蓋服務(EGNOS)、多功能衛星增強系統(MSAS)、全球定位系統(GPS)輔助地理增強導航或GPS和地理增強導航系統(GAGAN)等。因此,如本文所使用的,衛星定位系統可以包括與此類一或多個衛星定位系統相關聯的一或多個全球及/或區域性導航衛星的任何組合。
在一個態樣,補充地或替代地,SV 112可以是一或多個非陸地網路(NTN)的一部分。在NTN中,SV 112連接到地球站(亦稱為地面站、NTN閘道或閘道),地球站又連接到5G網路中的元件,諸如改進的基地台102(沒有陸地天線)或5GC中的網路節點。該元件又將提供對5G網路中的其他元件的存取,並且最終提供對5G網路外部的實體(諸如網際網路web伺服器和其他使用者設備)的存取。這樣,代替從陸地基地台102接收通訊訊號或除了從陸地基地台102接收通訊訊號之外,UE 104可以從SV 112接收通訊訊號(例如,訊號124)。
無線通訊系統100亦可以包括一或多個UE,諸如UE 190,其經由一或多個設備到設備(D2D)對等(P2P)鏈路(稱為側鏈路)間接連接到一或多個通訊網路。在圖1的實例中,UE 190具有與連接到基地台102中的一個基地台的UE 104中的一個UE的D2D P2P鏈路192(例如,經由D2D P2P鏈路192,UE 190可以間接獲得蜂巢連接)和與連接到WLAN AP 150的WLAN STA 152的D2D P2P鏈路194(經由D2D P2P鏈路194,UE 190可以間接獲得基於WLAN的網際網路連接)。在一個實例中,D2D P2P鏈路192和194可以由任何眾所周知的D2D RAT(諸如LTE Direct(LTE-D)、WiFi Direct(WiFi-D)、Bluetooth®等)來支援。
圖2A圖示實例無線網路結構200。例如,5GC 210(亦被稱為下一代核心「NGC」)在功能上可以被視為控制平面(C平面)功能214(例如,UE註冊、認證、網路存取、閘道選擇等)和使用者平面(U平面)功能212(例如,UE閘道功能、對資料網路的存取、IP路由等),它們協同操作以形成核心網路。使用者平面介面(NG-U)213和控制平面介面(NG-C)215將gNB 222連接到5GC 210,並且具體地分別連接到使用者平面功能212和控制平面功能214。在額外配置中,ng-eNB 224亦可以經由到控制平面功能214的NG-C 215和到使用者平面功能212的NG-U 213連接到5GC 210。此外,ng-eNB 224可以經由回載連接223直接與gNB222通訊。在一些配置中,下一代RAN(NG-RAN)220可以具有一或多個gNB 222,而其他配置包括ng-eNB 224和gNB 222兩者中的一或多個。gNB 222或ng-eNB 224中的任一個(或兩者)可以與一或多個UE 204(例如,本文所描述的任何UE)通訊。
另一可選態樣可以包括位置伺服器230,其可以與5GC 210通訊,以為UE 204提供位置輔助。位置伺服器230可以被實施為複數個獨立的伺服器(例如,實體上獨立的伺服器、單個伺服器上的不同軟體模組、分佈在多個實體伺服器上的不同軟體模組等),或替代地,每個位置伺服器230可以對應於單個伺服器。位置伺服器230可以被配置為支援UE 204的一或多個位置服務,UE 204可以經由核心網路、5GC 210及/或經由網際網路(未圖示)連接到位置伺服器230。此外,位置伺服器230可以整合到核心網路的部件中,或替代地,可以在核心網路的外部(例如,協力廠商伺服器,諸如原始設備製造商(OEM)伺服器或傳輸量伺服器)。
圖2B圖示另一實例無線網路結構240。5GC 260(其可以對應於圖2A中的5GC 210)可以在功能上被視為由存取和行動性管理功能(AMF)264提供的控制平面功能,以及由使用者平面功能(UPF)262提供的使用者平面功能,它們協同操作以形成核心網路(亦即,5GC 260)。AMF 264的功能包括註冊管理、連接管理、可達性管理、行動性管理、合法攔截、一或多個UE 204(本文所描述的UE中的任一個)與通信期管理功能(SMF)266之間的通信期管理(SM)訊息的傳輸、用於路由SM訊息的透明代理服務、存取認證和存取授權、UE 204與簡訊服務功能(SMSF)(未圖示)之間的簡訊服務(SMS)訊息的傳輸以及安全錨功能(SEAF)。AMF 264亦與認證伺服器功能(AUSF)(未圖示)和UE 204互動,並且接收作為UE 204認證程序的結果而建立的中間金鑰。在基於UMTS(通用行動電信系統)用戶身份模組(USIM)的認證的情況下,AMF 264從AUSF檢索安全材料。AMF 264的功能亦包括安全上下文管理(SCM)。SCM從SEAF接收一個金鑰,並用這個金鑰來推導存取網路特定的金鑰。AMF 264的功能亦包括用於監管服務的位置服務管理、在UE 204和位置管理功能(LMF)270(其可以用作位置伺服器230)之間的位置服務訊息的傳輸、在NG-RAN 220與LMF 270之間的位置服務訊息的傳輸、用於與進化封包系統(EPS)互動工作的EPS承載識別符分配以及UE 204行動性事件通知。此外,AMF 264亦支援非3GPP(第三代合作夥伴計畫)存取網路的功能。
UPF 262的功能包括用作RAT內/RAT間行動性的錨點(當適用時),用作到資料網路(未圖示)的互連的外部協定資料單元(PDU)通信期點,提供封包路由和轉發、封包檢查、使用者平面策略規則實施(例如,選通、重定向、傳輸量操縱)、合法攔截(使用者平面收集)、流量使用報告、使用者平面的服務品質(QoS)處理(例如,上行鏈路/下行鏈路速率實施、下行鏈路中的反射QoS標記),上行鏈路傳輸量驗證(服務資料串流(SDF)到QoS流的映射)、上行鏈路和下行鏈路中的傳輸級封包標記、下行鏈路封包緩衝和下行鏈路資料通知觸發以及向源RAN節點發送和轉發一或多個「結束標記」。UPF 262亦可以支援UE 204與位置伺服器(諸如SLP 272)之間的使用者平面上的位置服務訊息的傳輸。
SMF 266的功能包括通信期管理、UE網際網路協定(IP)位址分配和管理、使用者平面功能的選擇和控制、在UPF 262配置傳輸量操縱以將傳輸量路由到正確的目的地、控制部分策略實施和QoS以及下行鏈路資料通知。SMF 266經由其與AMF 264通訊的介面被稱為N11介面。
另一可選態樣可以包括LMF 270,其可以與5GC 260通訊,以為UE 204提供位置輔助。LMF 270可以被實施為複數個獨立的伺服器(例如,實體上獨立的伺服器、單個伺服器上的不同軟體模組、分佈在多個實體伺服器上的不同軟體模組等),或替代地,每個LMF 270可以對應於單個伺服器。LMF 270可以被配置為支援UE 204的一或多個位置服務,UE 204可以經由核心網路、5GC 260及/或經由網際網路(未圖示)連接到LMF 270。SLP 272可以支援與LMF 270類似的功能,但是LMF 270可以經由控制平面(例如,使用意欲傳送訊號傳遞訊息而不是語音或資料的介面和協定)與AMF 264、NG-RAN 220和UE 204通訊,SLP 272可以經由使用者平面(例如,使用意欲攜帶語音或資料的協定,如傳輸控制協定(TCP)及/或IP)與UE 204和外部客戶端(協力廠商伺服器274)通訊。
又一可選態樣可以包括協力廠商伺服器274,其可以與LMF 270、SLP 272、5GC 260(例如,經由AMF 264及/或UPF 262)、NG-RAN 220及/或UE 204通訊,以獲得UE 204的位置資訊(例如,位置估計)。這樣,在一些情況下,協力廠商伺服器274可以被稱為位置服務(LCS)客戶端或外部客戶端。協力廠商伺服器274可以被實施為複數個獨立的伺服器(例如,實體上獨立的伺服器、單個伺服器上的不同軟體模組、分佈在多個實體伺服器上的不同軟體模組等),或替代地,每個位置伺服器274可以對應於單個伺服器。
使用者平面介面263和控制平面介面265將5GC 260,具體是UPF 262和AMF 264分別連接到NG-RAN 220中的一或多個gNB 222及/或ng-eNB 224。gNB 222及/或ng-eNB 224與AMF 264之間的介面被稱為「N2」介面,並且gNB 222及/或ng-eNB 224與UPF 262之間的介面被稱為「N3」介面。NG-RAN 220的gNB 222及/或ng-eNB 224可以經由回載連接223(稱為「Xn-C」介面)直接相互通訊。gNB 222及/或ng-eNB 224中的一或多個可以經由稱為「Uu」介面的無線介面與一或多個UE 204進行通訊。
gNB 222的功能可以在gNB中央單元(gNB-CU)226、一或多個gNB分散式單元(gNB-DU)228和一或多個gNB無線電單元(gNB-RU)229之間劃分。除了專門分配給gNB-DU 228的那些功能之外,gNB-CU 226是包括傳輸使用者資料、行動性控制、無線電存取網路共用、定位、通信期管理等的基地台功能的邏輯節點。更具體地,gNB-CU 226通常託管gNB 222的無線電資源控制(RRC)、服務資料適配協定(SDAP)和封包資料彙聚協定(PDCP)協定。gNB-DU 228是通常託管gNB 222的無線電鏈路控制(RLC)和媒體存取控制(MAC)層的邏輯節點。它的操作由gNB-CU 226控制。一個gNB-DU 228可以支援一或多個細胞,並且一個細胞僅由一個gNB-DU 228支援。gNB-CU 226與一或多個gNB-DU 228之間的介面232被稱為「F1」介面。gNB 222的實體(PHY)層功能通常由一或多個獨立的gNB-RU 229託管,gNB-RU 229執行諸如功率放大和訊號發送/接收的功能。gNB-DU 228與gNB-RU 229之間的介面被稱為「Fx」介面。因此,UE 204經由RRC、SDAP和PDCP層與gNB-CU 226通訊,經由RLC和MAC層與gNB-DU 228通訊,並且經由PHY層與gNB-RU 229通訊。
諸如5G NR系統的通訊系統的部署可以用各種部件或組成部分以多種方式來佈置。在5G NR系統或網路中,網路節點、網路實體、網路的行動性部件、RAN節點、核心網路節點、網路部件或網路設備(諸如基地台或執行基地台功能的一或多個單元(或一或多個部件))可以在聚合或分解的架構中實施。例如,基地台(諸如節點B(NB)、進化型NB(eNB)、NR基地台、5G NB、存取點(AP)、發送接收點(TRP)或細胞等)可以被實施為聚合基地台(亦稱為獨立基地台或整體式基地台)或分解基地台。
聚合基地台可以被配置為利用實體上或邏輯上整合在單個RAN節點內的無線電協定堆疊。分解基地台可以被配置為利用實體上或邏輯上分佈在兩個或兩個以上單元(諸如一或多個中央或集中式單元(CU)、一或多個分散式單元(DU)或一或多個無線電單元(RU))之間的協定堆疊。在一些態樣,CU可以被實施在RAN節點內,並且一或多個DU可以與CU共址,或替代地,可以在地理上或虛擬地分佈在一或多個其他RAN節點中。DU可以被實施為與一或多個RU通訊。CU、DU和RU之每一者亦可以被實施為虛擬單元,亦即,虛擬中央單元(VCU)、虛擬分散式單元(VDU)或虛擬無線電單元(VRU)。
基地台類型的操作或網路設計可以考慮基地台功能的聚合特性。例如,分解基地台可以在整合存取回載(IAB)網路、開放式無線電存取網路(O-RAN(諸如由O-RAN聯盟贊助的網路配置))或虛擬化無線電存取網路(vRAN,亦稱為雲端無線電存取網路(C-RAN))中使用。分解可以包括在不同實體位置的兩個或兩個以上單元之間分配功能,以及虛擬地分配至少一個單元的功能,這可以實現網路設計的靈活性。分解基地台或分解RAN架構的各種單元可以被配置用於與至少一個其他單元進行有線或無線通訊。
圖2C圖示根據本案的態樣的實例分解基地台架構250。分解基地台架構250可以包括一或多個中央單元(CU)280(例如,gNB-CU 226),其可以經由回載鏈路直接與核心網路267(例如,5GC 210、5GC 260)通訊,或經由一或多個分解基地台單元(諸如,經由E2鏈路的近即時(近RT)RAN智慧控制器(RIC)259,或與服務管理和協調(SMO)框架255相關聯的非即時(非RT)RIC 257,或兩者)間接地與核心網路267通訊。CU 280可以經由相應的中程鏈路(諸如F1介面)與一或多個分散式單元(DU)285(例如,gNB-DU 228)通訊。DU 285可以經由相應的前傳鏈路與一或多個無線電單元(RU)287(例如,gNB-RU 229)通訊。RU 287可以經由一或多個射頻(RF)存取鏈路與相應的UE 204通訊。在一些實施方式中,UE 204可以同時由多個RU 287服務。
每個單元(亦即,CU 280、DU 285、RU 287以及近RT RIC 259、非RT RIC 257和SMO框架255)可以包括一或多個介面或耦合到一或多個介面,這些介面被配置為經由有線或無線傳輸媒體接收或發送訊號、資料或資訊(統稱為訊號)。每個單元或向單元的通訊介面提供指令的相關聯的處理器或控制器可以被配置為經由傳輸媒體與其他單元通訊中的一或多個通訊。例如,這些單元可以包括有線介面,該有線介面被配置為經由有線傳輸媒體從其他單元中的一或多個接收或向其他單元中的一或多個發送訊號。附加地,這些單元可以包括被配置為經由無線傳輸媒體從其他單元中的一或多個接收訊號或向其他單元中的一或多個發送訊號或同時接收訊號和發送訊號的無線介面,該無線介面可以包括接收器、發送器或收發器(諸如射頻(RF)收發器)。
在一些態樣,CU 280可以託管一或多個較高層控制功能。此類控制功能可以包括無線電資源控制(RRC)、封包資料彙聚協定(PDCP)、服務資料適配協定(SDAP)等。每個控制功能可以用介面來實施,該介面被配置為與由CU 280託管的其他控制功能傳輸訊號。CU 280可以被配置為處理使用者平面功能(亦即,中央單元-使用者平面(CU-UP))、控制平面功能(亦即,中央單元-控制平面(CU-CP))或其組合。在一些實施方式中,CU 280可以在邏輯上被劃分成一或多個CU-UP單元和一或多個CU-CP單元。CU-UP單元可以經由介面(諸如在O-RAN配置中實施時的E1介面)與CU-CP單元雙向通訊。根據需要,CU 280可以被實施為與DU 285通訊,用於網路控制和訊號傳遞。
DU 285可以對應於包括一或多個基地台功能以控制一或多個RU 287的操作的邏輯單元。在一些態樣,DU 285可以至少部分地根據功能分割(諸如由第三代合作夥伴計畫(3GPP)定義的功能分割)來託管無線電鏈路控制(RLC)層、媒體存取控制(MAC)層以及一或多個高實體(PHY)層(諸如用於前向錯誤校正(FEC)編碼和解碼、加擾、調制和解調等的模組)中的一或多個。在一些態樣,DU 285亦可以託管一或多個低PHY層。每個層(或模組)可以用介面來實施,該介面被配置為與由DU 285託管的其他層(和模組)或與由CU 280託管的控制功能傳輸訊號。
較低層功能可以由一或多個RU 287實施。在一些部署中,由DU 285控制的RU 287可以對應於至少部分基於功能分割(諸如較低層功能分割)來託管RF處理功能或低PHY層功能(諸如執行快速傅裡葉變換(FFT)、逆FFT(iFFT)、數位元波束成形、實體隨機存取通道(PRACH)提取和濾波等)或兩者的邏輯節點。在此類架構中,RU 287可以被實施為處理與一或多個UE 204的空中(OTA)通訊。在一些實施方式中,與RU 287的控制和使用者平面通訊的即時和非即時態樣可以由對應的DU 285控制。在一些情況下,這種配置可以使得DU 285和CU 280能夠在基於雲端的RAN架構(諸如vRAN架構)中實施。
SMO框架255可以被配置為支援非虛擬化和虛擬化網路元件的RAN部署和供應。對於非虛擬化網路元件,SMO框架255可以被配置為支援針對RAN覆蓋需求的專用實體資源的部署,其可以經由操作和維護介面(諸如O1介面)來管理。對於虛擬化網路元件,SMO框架255可以被配置為與雲端計算平臺(諸如開放雲端(O-Cloud)269)互動,以經由雲端計算平臺介面(諸如O2介面)執行網路元件生命週期管理(諸如以產生實體虛擬化網路元件)。此類虛擬化網路元件可以包括但不限於CU 280、DU 285、RU 287和近RT RIC 259。在一些實施方式中,SMO框架255可以經由O1介面與4G RAN的硬體態樣(諸如開放式eNB(O-eNB)261)通訊。附加地,在一些實施方式中,SMO框架255可以經由O1介面直接與一或多個RU 287通訊。SMO框架255亦可以包括被配置為支援SMO框架255的功能的非RT RIC 257。
非RT RIC 257可以被配置為包括邏輯功能,該邏輯功能實現RAN元件和資源的非即時控制和最佳化、包括模型訓練和更新的人工智慧/機器學習(AI/ML)工作流或近RT RIC 259中的應用/特徵的基於策略的指導。非RT RIC 257可以耦合到近RT RIC 259或與其通訊(諸如經由A1介面)。近RT RIC 259可以被配置為包括邏輯功能,該邏輯功能經由介面(諸如經由E2介面)上的資料收集和動作來實現RAN元件和資源的近即時控制和最佳化,該介面將一或多個CU 280、一或多個DU 285或兩者以及O-eNB與近RT RIC 259連接。
在一些實施方式中,為了產生要在近RT RIC 259中部署的AI/ML模型,非RT RIC 257可以從外部伺服器接收參數或外部富集資訊。此類資訊可以由近RT RIC 259使用,並且可以在SMO框架255或非RT RIC 257處從非網路資料來源或從網路功能接收。在一些實例中,非RT RIC 257或近RT RIC 259可以被配置為調整RAN行為或效能。例如,非RT RIC 257可以監控效能的長期趨勢和模式,並且採用AI/ML模型經由SMO框架255(諸如經由O1的重新配置)或經由RAN管理策略(諸如A1策略)的建立來執行校正動作。
圖3A、圖3B和圖3C圖示若干實例部件(由對應的方塊表示),這些部件可以併入UE 302(其可以對應於本文所描述的任何UE)、基地台304(其可以對應於本文所描述的任何基地台)和網路實體306(其可以對應於或體現為本文所描述的任何網路功能,包括位置伺服器230和LMF 270,或替代地,可以獨立於圖2A和圖2B所示的NG-RAN 220及/或5GC 210/260基礎設施,諸如私人網路絡),以支援本文所描述的操作。將理解,這些部件可以被實施在不同實施方式中的不同類型的裝置中(例如,在ASIC中,在片上系統(SoC)中,等等)。所示出的部件亦可以被併入通訊系統中的其他裝置中。例如,系統中的其他裝置可以包括與所描述的部件類似的部件,以提供類似的功能。同樣,給定的裝置可以包含這些部件中的一或多個部件。例如,裝置可以包括多個收發器部件,這些部件使得裝置能夠在多個載波上操作及/或經由不同的技術進行通訊。
UE 302和基地台304各自分別包括一或多個無線廣域網路(WWAN)收發器310和350,提供用於經由一或多個無線通訊網路(未圖示)(諸如NR網路、LTE網路、GSM網路等)進行通訊的部件(例如,用於發送的部件、用於接收的部件、用於量測的部件、用於調諧的部件、用於避免發送的部件等)。WWAN收發器310和350可以各自分別連接到一或多個天線316和356,用於經由感興趣的無線通訊媒體(例如,特定頻譜中的某組時間/頻率資源)經由至少一個指定的RAT(例如,NR、LTE、GSM等)與其他網路節點(諸如其他UE、存取點、基地台(例如,eNB、gNB)等)進行通訊。根據指定的RAT,WWAN收發器310和350可以被不同地配置為分別發送和編碼訊號318和358(例如,訊息、指示、資訊等),以及被相反地配置用於分別接收和解碼訊號318和358(例如,訊息、指示、資訊、引導頻等)。具體地,WWAN收發器310和350分別包括用於分別發送和編碼訊號318和358的一或多個發送器314和354,以及用於分別接收和解碼訊號318和358的一或多個接收器312和352。
至少在一些情況下,UE 302和基地台304亦分別包括一或多個短程無線收發器320和360。短程無線收發器320和360可以分別連接到一或多個天線326和366,並且提供用於經由感興趣的無線通訊媒體經由至少一個指定的RAT(例如,WiFi、LTE-D、Bluetooth®、Zigbee®、Z-Wave®、PC5、專用短程通訊(DSRC)、用於車輛環境的無線存取(WAVE)、近場通訊(NFC)、超寬頻(UWB)等)與其他網路節點(諸如其他UE、存取點、基地台等)進行通訊的部件(例如,用於發送的部件、用於接收的部件、用於量測的部件、用於調諧的部件、用於避免發送的部件等)。根據指定的RAT,短程無線收發器320和360可以被不同地配置用於分別發送和編碼訊號328和368(例如,訊息、指示、資訊等),以及被相反地配置用於分別接收和解碼訊號328和368(例如,訊息、指示、資訊、引導頻等)。具體地,短程無線收發器320和360分別包括用於分別發送和編碼訊號328和368的一或多個發送器324和364,以及用於分別接收和解碼訊號328和368的一或多個接收器322和362。作為具體實例,短程無線收發器320和360可以是WiFi收發器、Bluetooth®收發器、Zigbee®及/或Z-Wave®收發器、NFC收發器、UWB收發器、或車對車(V2V)及/或車聯網路(V2X)收發器。
至少在一些情況下,UE 302和基地台304亦包括衛星訊號接收器330和370。衛星訊號接收器330和370可以分別連接到一或多個天線336和376,並且可以分別提供用於接收及/或量測衛星定位/通訊訊號338和378的部件。在衛星訊號接收器330和370是衛星定位系統接收器的情況下,衛星定位/通訊訊號338和378可以是全球定位系統(GPS)訊號、全球導航衛星系統(GLONASS)訊號、伽利略訊號、北斗訊號、印度區域導航衛星系統(NAVIC)、準天頂衛星系統(QZSS)等。在衛星訊號接收器330和370是非陸地網路(NTN)接收器的情況下,衛星定位/通訊訊號338和378可以是源自5G網路的通訊訊號(例如,攜帶控制及/或使用者資料)。衛星訊號接收器330和370可以包括分別用於接收和處理衛星定位/通訊訊號338和378的任何合適的硬體及/或軟體。衛星訊號接收器330和370可以視情況向其他系統請求資訊和操作,並且至少在一些情況下,使用經由任何合適的衛星定位系統演算法獲得的量測結果來執行用於分別決定UE 302和基地台304的位置的計算。
基地台304和網路實體306各自分別包括一或多個網路收發器380和390,從而提供用於與其他網路實體(例如,其他基地台304、其他網路實體306)進行通訊的部件(例如,用於發送的部件、用於接收的部件等)。例如,基地台304可以採用一或多個網路收發器380來經由一或多個有線或無線回載鏈路與其他基地台304或網路實體306進行通訊。作為另一實例,網路實體306可以採用一或多個網路收發器390來經由一或多個有線或無線回載鏈路與一或多個基地台304通訊,或經由一或多個有線或無線核心網路介面與其他網路實體306通訊。
收發器可以被配置為經由有線或無線鏈路進行通訊。收發器(無論是有線收發器亦是無線收發器)包括發送器電路(例如發送器314、324、354、364)和接收器電路(例如接收器312、322、352、362)。收發器在一些實施方式中可以是整合設備(例如,在單個設備中體現發送器電路和接收器電路),在一些實施方式中可以包括單獨的發送器電路和單獨的接收器電路,或在其他實施方式中可以以其他方式體現。有線收發器(例如,在一些實施方式中的網路收發器380和390)的發送器電路和接收器電路可以耦合到一或多個有線網路介面埠。無線發送器電路(例如,發送器314、324、354、364)可以包括或耦合到允許相應的裝置(例如,UE 302、基地台304)執行發送如本文所描述的「波束成形」的複數個天線(例如,天線316、326、356、366),諸如天線陣列。類似地,無線接收器電路(例如,接收器312、322、352、362)可以包括或耦合到允許相應的裝置(例如,UE 302、基地台304)執行接收如本文所描述的波束成形的複數個天線(例如,天線316、326、356、366),諸如天線陣列。在一個態樣,發送器電路和接收器電路可以共享相同的複數個天線(例如,天線316、326、356、366),使得相應的裝置在給定的時間只能接收或發送,而不能同時接收和發送。無線收發器(例如,WWAN收發器310和350、短程無線收發器320和360)亦可以包括用於執行各種量測的網路監聽模組(NLM)等。
如本文所使用的,各種無線收發器(例如,在一些實施方式中的收發器310、320、350和360以及網路收發器380和390)和有線收發器(例如,在一些實施方式中的網路收發器380和390)通常可以被表徵為「收發器」、「至少一個收發器」或「一或多個收發器」。這樣,特定收發器是有線還是無線收發器可以從所執行的通訊類型推斷出來。例如,網路設備或伺服器之間的回載通訊通常涉及經由有線收發器的訊號傳遞,而UE(例如,UE 302)與基地台(例如,基地台304)之間的無線通訊通常涉及經由無線收發器的訊號傳遞。
UE 302、基地台304和網路實體306亦包括可以結合本文所揭示的操作使用的其他部件。UE 302、基地台304和網路實體306分別包括用於提供與例如無線通訊相關的功能並且用於提供其他處理功能的一或多個處理器332、384和394。因此,處理器332、384和394可以提供用於處理的部件,諸如用於決定的部件、用於計算的部件、用於接收的部件、用於發送的部件、用於指示的部件等。在一個態樣,處理器332、384和394可以包括例如一或多個通用處理器、多核處理器、中央處理單元(CPU)、ASIC、數位訊號處理器(DSP)、現場可程式設計閘陣列(FPGA)、其他可程式設計邏輯裝置或處理電路或者其各種組合。
UE 302、基地台304和網路實體306分別包括實施用於保持資訊(例如,指示預留資源、閾值、參數等的資訊)的記憶體340、386和396(例如,每個皆包括記憶體裝置)的記憶體電路。因此,記憶體340、386和396可以提供用於儲存的部件、用於檢索的部件、用於保持的部件等。在一些情況下,UE 302、基地台304和網路實體306可以分別包括定位部件342、388和398。定位部件342、388和398可以是分別是處理器332、384和394的一部分或耦合到處理器332、384和394的硬體電路,當被執行時,這些定位部件使UE 302、基地台304和網路實體306執行本文所描述的功能。在其他態樣,定位部件342、388和398可以在處理器332、384和394的外部(例如,數據機處理系統的一部分、與另一處理系統整合等)。替代地,定位部件342、388和398可以是分別儲存在記憶體340、386和396中的記憶體模組,當由處理器332、384和394(或數據機處理系統、另一處理系統等)執行時,這些定位部件使UE 302、基地台304和網路實體306執行本文所描述的功能。圖3A圖示定位部件342的可能位置,定位部件342可以是例如一或多個WWAN收發器310、記憶體340、一或多個處理器332或其任何組合的一部分,或可以是獨立的部件。圖3B圖示定位部件388的可能位置,定位部件388可以是例如一或多個WWAN收發器350、記憶體386、一或多個處理器384或其任何組合的一部分,或可以是獨立的部件。圖3C圖示定位部件398的可能位置,定位部件398可以是例如一或多個網路收發器390、記憶體396、一或多個處理器394或其任何組合的一部分,或可以是獨立的部件。
UE 302可以包括耦合到一或多個處理器332的一或多個感測器344,以提供用於感測或偵測獨立於從由一或多個WWAN收發器310、一或多個短程無線收發器320及/或衛星訊號接收器330接收的訊號中推導的運動資料的移動及/或方向資訊的部件。舉例而言,感測器344可以包括加速度計(例如,微電子機械系統(MEMS)設備)、陀螺儀、地磁感測器(例如,羅盤)、高度計(例如,氣壓高度計)及/或任何其他類型的運動偵測感測器。此外,感測器344可以包括複數種不同類型的設備,並且組合它們的輸出,以提供運動資訊。例如,感測器344可以使用多軸加速計和方位感測器的組合來提供計算二維(2D)及/或三維(3D)座標系中的位置的能力。
此外,UE 302包括提供用於向使用者提供指示(例如,聽覺及/或視覺指示)及/或用於接收使用者輸入(例如,在使用者致動諸如小鍵盤、觸控式螢幕、麥克風等感測設備時)的部件的使用者介面346。儘管未圖示,基地台304和網路實體306亦可以包括使用者介面。
更詳細地參考一或多個處理器384,在下行鏈路中,來自網路實體306的IP封包可以被提供給處理器384。一或多個處理器384可以實施RRC層、封包資料彙聚協定(PDCP)層、無線電鏈路控制(RLC)層和媒體存取控制(MAC)層的功能。一或多個處理器384可以提供與系統資訊(例如,主區塊(MIB)、系統區塊(SIB))的廣播、RRC連接控制(例如,RRC連接傳呼、RRC連接建立、RRC連接修改和RRC連接釋放)、RAT間行動性和用於UE量測報告的量測配置相關聯的RRC層功能;與標頭壓縮/解壓縮、安全性(加密、解密、完整性保護、完整性驗證)和切換支援功能相關聯的PDCP層功能;與上層PDU的傳輸、經由自動重複請求(ARQ)的錯誤校正、RLC服務資料單元(SDU)的級聯、分段和重組、RLC資料PDU的重新分段以及RLC資料PDU的重新排序相關聯的RLC層功能;及與邏輯通道和傳輸通道之間的映射、排程資訊報告、錯誤校正、優先順序處理和邏輯通道優先順序排序相關聯的MAC層功能。
發送器354和接收器352可以實施與各種訊號處理功能相關聯的層-1(L1)功能。包括實體(PHY)層的層-1可以包括傳輸通道上的錯誤偵測、傳輸通道的前向錯誤校正(FEC)解碼/解碼、交錯、速率匹配、到實體通道上的映射、實體通道的調制/解調以及MIMO天線處理。發送器354基於各種調制方案(例如,二進位移相鍵控(BPSK)、正交移相鍵控(QPSK)、M移相鍵控(M-PSK)、M正交幅度調制(M-QAM))處理到訊號群集的映射。隨後,解碼和調制的符號可以被分成並行的串流。隨後,每個串流可以被映射到正交分頻多工(OFDM)次載波,在時域及/或頻域中與參考訊號(例如,引導頻)多工,並且隨後使用快速傅裡葉逆變換(IFFT)組合在一起,以產生攜帶時域OFDM符號串流的實體通道。OFDM符號串流在空間上被預解碼以產生多個空間串流。來自通道估計器的通道估計可以用於決定解碼和調制方案,以及用於空間處理。通道估計可以從由UE 302發送的參考訊號及/或通道條件回饋中推導。隨後,每個空間串流可以被提供給一或多個不同的天線356。發送器354可以用相應的空間串流來調制RF載波以用於傳輸。
在UE 302處,接收器312經由其相應的天線316接收訊號。接收器312恢復調制到RF載波上的資訊,並且將該資訊提供給一或多個處理器332。發送器314和接收器312實施與各種訊號處理功能相關聯的層-1功能。接收器312可以對該資訊執行空間處理,以恢復去往UE 302的任何空間串流。若多個空間串流去往UE 302,則它們可以由接收器312組合成單個OFDM符號串流。隨後,接收器312使用快速傅裡葉變換(FFT)將OFDM符號串流從時域轉換到頻域。頻域訊號包括OFDM訊號的每個次載波的單獨的OFDM符號串流。經由決定由基地台304發送的最可能的訊號群集點,每個次載波上的符號和參考訊號被恢復和解調。這些軟決策可以基於由通道估計器計算的通道估計。隨後,軟決策被解碼和解交錯,以恢復最初由基地台304在實體通道上發送的資料和控制訊號。隨後,資料和控制訊號被提供給一或多個處理器332,一個多個處理器332實施層三(L3)和層二(L2)功能。
在上行鏈路中,一或多個處理器332提供傳輸通道與邏輯通道之間的解多工、封包重組、解密、標頭解壓縮和控制訊號處理,以恢復來自核心網路的IP封包。一或多個處理器332亦負責錯誤偵測。
類似於結合基地台304的下行鏈路傳輸描述的功能,一或多個處理器332提供與系統資訊(例如,MIB、SIB)獲取、RRC連接和量測報告相關聯的RRC層功能;與標頭壓縮/解壓縮、安全性(加密、解密、完整性保護、完整性驗證)相關聯的PDCP層功能;與上層PDU的傳輸、經由ARQ的錯誤校正、RLC SDU的級聯、分段和重組、RLC資料PDU的重新分段以及RLC資料PDU的重新排序相關聯的RLC層功能;及與邏輯通道和傳輸通道之間的映射、MAC SDU到傳輸塊(TB)上的多工、MAC SDU從TB的解多工、排程資訊報告、經由混合自動重複請求(HARQ)的錯誤校正、優先順序處理和邏輯通道優先順序排序相關聯的MAC層功能。
由通道估計器從由基地台304發送的參考訊號或回饋中推導的通道估計可以被發送器314用來選擇適當的解碼和調制方案和促進空間處理。由發送器314產生的空間串流可以被提供給不同的天線316。發送器314可以用相應的空間串流來調制RF載波以用於傳輸。
上行鏈路傳輸在基地台304處以類似於結合UE 302處的接收器功能所描述的方式被處理。接收器352經由其相應的天線356接收訊號。接收器352恢復調制到RF載波上的資訊,並且將該資訊提供給一或多個處理器384。
在上行鏈路中,一或多個處理器384提供傳輸通道與邏輯通道之間的解多工、封包重組、解密、標頭解壓縮、控制訊號處理,以恢復來自UE 302的IP封包。來自一或多個處理器384的IP封包可以被提供給核心網路。一或多個處理器384亦負責錯誤偵測。
為了方便起見,UE 302、基地台304及/或網路實體306在圖3A、3B和3C中被示為包括可以根據本文所描述的各種實例來配置的各種部件。然而,將理解,在不同的設計中,所示出的部件可以具有不同的功能。具體地,圖3A至圖3C中的各種部件在替代配置中是可選的,並且各個態樣包括可以由於設備的設計選擇、成本、使用或其他考慮而變化的配置。例如,在圖3A的情況下,UE 302的特定實施方式可以省略WWAN收發器310(例如,可穿戴設備或平板電腦或PC或膝上型電腦可以具有Wi-Fi及/或藍芽能力,而沒有蜂巢能力),或可以省略短程無線收發器320(例如,僅蜂巢等),或可以省略衛星訊號接收器330,或可以省略感測器344,等等。在另一實例中,在圖3B的情況下,基地台304的特定實施方式可以省略WWAN收發器350(例如,沒有蜂巢能力的Wi-Fi「熱點」存取點),或可以省略短程無線收發器360(例如,僅蜂巢等),或可以省略衛星訊號接收器370,等等。為了簡潔起見,本文沒有提供各種替代配置的圖示,但是對於本發明所屬領域中具有通常知識者來說是容易理解的。
UE 302、基地台304和網路實體306的各個部件可以分別經由資料匯流排334、382和392彼此通訊地耦合。在一個態樣,資料匯流排334、382和392可以分別形成UE 302、基地台304和網路實體306的通訊介面或是其一部分。例如,在不同的邏輯實體被實現在同一設備中的情況下(例如,gNB和位置伺服器功能合併到同一基地台304中),資料匯流排334、382和392可以提供它們之間的通訊。
圖3A、圖3B和圖3C的部件可以以各種方式實施。在一些實施方式中,圖3A、圖3B和圖3C的部件可以被實施在一或多個電路中,例如一或多個處理器及/或一或多個ASIC(其可以包括一或多個處理器)。這裡,每個電路可以使用及/或結合至少一個記憶體部件,用於儲存該電路所使用的資訊或可執行代碼,以提供該功能。例如,由方塊310至346表示的一些或所有功能可以由UE 302的處理器和記憶體部件來實施(例如,經由執行適當的代碼及/或經由處理器部件的適當配置)。類似地,由方塊350至388表示的一些或所有功能可以由基地台304的處理器和記憶體部件來實施(例如,經由執行適當的代碼及/或經由處理器部件的適當配置)。此外,由方塊390至398表示的一些或所有功能可以由網路實體306的處理器和記憶體部件來實施(例如,經由執行適當的代碼及/或經由處理器部件的適當配置)。為簡單起見,本文將各種操作、動作及/或功能描述為「由UE」、「由基地台」、「由網路實體」等來執行。然而,將理解,此類操作、動作及/或功能實際上可以由UE 302、基地台304、網路實體306等的特定部件或部件的組合來執行,諸如處理器332、384、394,收發器310、320、350和360,記憶體340、386和396,定位部件342、388、398等。
在一些設計中,網路實體306可以被實施為核心網路部件。在其他設計中,網路實體306可以不同於蜂巢網路基礎設施(例如,NG RAN 220及/或5GC 210/260)的網路服務供應商或企業。例如,網路實體306可以是私人網路絡的部件,其可以被配置為經由基地台304或獨立於基地台304(例如,經由諸如WiFi的非蜂巢通訊鏈路)與UE 302通訊。
應用程式服務是最佳化部署、執行和改進應用程式所需要的服務池,諸如負載平衡、應用程式效能監控、應用程式加速、自動縮放、微分段、服務代理、服務發現等。服務和應用程式皆是軟體程式,但是它們通常具有不同的特徵。廣義地說,服務的目標通常是比應用程式更小且更孤立的功能,並且應用程式通常公開和調用服務,包括其他應用程式中的服務。
Web服務是一種應用程式服務,其可以經由web位址進行存取,以用於直接的應用程式到應用程式的互動。Web服務可以是本端的、分散式的或基於web的。Web服務建立在開放標準(諸如TCP/IP、超文字傳輸協定(HTTP)、Java、超文字標記語言(HTML)和可延伸標記語言(XML))之上,並且因此,web服務不依賴於任何一種作業系統或程式設計語言。這樣,以各種程式設計語言編寫並且在各種平臺上執行的軟體應用程式可以使用web服務,以類似於單個電腦上的程序間通訊的方式,經由像網際網路此類電腦網路來交換資料。例如,客戶端可以經由向web服務發送XML訊息並且等待對應的XML回應來調用web服務。
應用程式設計發展介面(API)是便於不同系統(例如,硬體、韌體及/或軟體實體或級別)之間互動的介面。更具體地,API是允許一個系統與另一系統互動並且從另一系統存取資料的定義的一組規則、命令、許可及/或協定。例如,API可以為較高級別的軟體(例如,應用程式、web服務、應用程式服務等)提供介面,以存取較低級別的軟體(例如,微服務、作業系統、BIOS、韌體、設備驅動程式等)或硬體部件(例如,通用序列匯流排(USB)控制器、記憶體控制器、收發器等)。由於web服務揭示應用程式的資料和功能,所以每個web服務實際上皆是API,但並不是每個API皆是web服務。
一種用於構建微服務應用程式的API是表述性狀態轉移API,亦稱為「REST API」或「RESTful API」。REST API是一組web API架構原則,意味著要成為REST API,介面必須遵守某些架構約束。REST API通常使用HTTP命令和安全通訊端層(SSL)加密。它是語言不可知的,因為它可以被用來連接以不同程式設計語言編寫的應用程式和微服務。REST API常用的命令包括HTTP PUT、HTTP POST、HTTP DELETE、HTTP GET和HTTP PATCH。開發人員可以使用這些REST API命令對應用程式或服務中的不同「資源」(諸如資料庫中的資料)執行操作。REST API可以使用統一資源定位符(URL)來定位和指示要在其上執行操作的資源。
微服務是單獨的小的、自治的、獨立的服務及/或功能,它們一起形成更大的基於微服務的應用程式。在應用程式中,每個微服務執行一個定義的功能,諸如對使用者進行認證或檢索特定類型的資料。微服務通常是獨立於語言的,其目標是使得它們能夠適應任何類型的應用程式,並且相互通訊或合作,以實現更大的基於微服務的應用程式的整體目的。當連接微服務以建立基於微服務的應用程式時,API定義了阻止和允許單獨的微服務之間的動作和互動的規則。例如,REST API可以被用作將單獨的微服務整合以充當單個應用程式的規則、命令、許可及/或協定。
webhook支援使用定製回檔的基於web的應用程式之間的互動。webhook的使用允許基於web的應用程式自動與其他基於web的應用程式通訊。與一個系統(「主體」系統)不斷輪詢另一系統(「觀察者」系統)以獲取某些資料的傳統系統不同,webhook允許觀察者系統每當事件發生時自動將資料推送到主體系統。這大大減輕了兩個系統的負荷,因為只有在指定的事件發生時才在兩個系統之間進行調用。
webhook經由HTTP進行通訊,並且依賴於指向主體系統中API的靜態URL的存在,當事件發生在觀察者系統上時,應該通知這些API。因此,主體系統需要指定將接受來自觀察者系統的事件通知的一或多個URL。
圖4是示出根據本案的態樣的使用各種API的應用程式410、應用程式服務420、作業系統(OS)430和硬體440之間的實例互動的示意圖400。在一個態樣,應用程式410、應用程式服務420、作業系統430和硬體440可以合併在同一設備(例如,UE、基地台等)中。
如圖4所示,應用程式服務420(其可以是web服務)包括兩個微服務422a和422b(統稱為微服務422)。然而,將理解,應用程式服務420可以包括多於或少於兩個微服務422。在一些情況下,應用程式410可以經由單獨的微服務422的相應API 424a和424b(統稱為API 424)直接存取單獨的微服務422。這在圖4中經由應用程式410經由API 424b調用微服務422b來示出。替代地,應用程式410可以經由應用程式服務420的API 424c調用應用程式服務420。隨後,應用程式服務420可以經由相應的API 424調用適當的微服務422。這在圖4中經由應用程式服務420代表應用程式410經由API 424a調用微服務422a來示出。
若被應用程式410調用,微服務422可以經由應用程式410的回檔412來回應應用程式410。替代地,若被應用程式服務420調用,則微服務422可以經由應用程式服務420的回檔426c來回應應用程式服務420。在任一情況下,客戶端(應用程式410或應用程式服務420)可以經由經由相應的API 424向微服務422發送例如XML訊息來調用微服務422,並且微服務422可以經由向回檔412發送對應的XML回應來回應客戶端。
微服務422可以經由子系統的相應API存取作業系統430內的各種子系統。在圖4的實例中,作業系統430包括定位子系統432a和通訊子系統432b(統稱為子系統432)。定位子系統432a可以包括用於決定行動設備(例如,UE)的位置的軟體及/或韌體。被定位的行動設備可以是包括作業系統430的設備(例如,在基於UE的定位的情況下,計算其自己的位置的UE)或不包括作業系統430的另一設備(例如,在位置伺服器估計UE的位置的情況下)。通訊子系統432b可以類似地包括用於經由包括作業系統430的設備實現無線通訊的軟體及/或韌體。例如,通訊子系統432b可以實施低層通訊功能(例如,MAC層功能、RRC層功能等)。
子系統432各自將相應的API 434a和434b(統稱為API 434)公開給較高架構級別。微服務422可以經由其相應的API 434調用子系統432,並且子系統432可以經由微服務422的回檔426a和426b(統稱為回檔426)來回應微服務422。在圖4的實例中,微服務422a調用定位子系統432a,並且微服務422b調用作業系統430內的通訊子系統432b。這樣,微服務422a可以是位置相關的微服務,並且微服務422b可以是通訊相關的微服務。然而,將理解,任一微服務422可以經由其相應的API 434調用任一子系統432。
在圖4的實例中,硬體440包括衛星訊號接收器442a、一或多個WWAN收發器442b和一或多個短程無線收發器442c(統稱為硬體部件442)。衛星訊號接收器442a可以對應於例如圖3A和圖3B中的衛星訊號接收器330或370。一或多個WWAN收發器442b可以對應於例如圖3A和圖3B中的一或多個WWAN收發器310或350。一或多個短程無線收發器442c可以對應於例如圖3A和圖3B中的一或多個短程無線收發器320或360。
在圖4的實例中,定位子系統432a可以分別經由衛星訊號接收器442a、一或多個WWAN收發器442b及/或一或多個短程無線收發器442c的API 444a、API 444b和API 444c向衛星訊號接收器442a、一或多個WWAN收發器442b及/或一或多個短程無線收發器442c發送命令(例如,量測參考訊號的請求、發送參考訊號的請求等)。衛星訊號接收器442a、一或多個WWAN收發器442b及/或一或多個短程無線收發器442c可以經由回檔436a向定位子系統432a發送對命令的回應(例如,參考訊號的量測、確認等)。類似地,通訊子系統432b可以分別經由一或多個WWAN收發器442b及/或一或多個短程無線收發器442c的API 444b和444c向一或多個WWAN收發器442b及/或一或多個短程無線收發器442c發送待無線傳輸的資訊(例如,使用者資料、量測報告等)。一或多個WWAN收發器442b及/或一或多個短程無線收發器442c可以經由回檔436b向通訊子系統432b發送無線接收的資訊(例如,使用者資料、位置請求、定位輔助資料等)。
作為圖4的上下文中的特定定位實例,結合了所示架構的設備可以是行動設備,並且應用程式410可以是使用行動設備(例如,UE)的位置的應用程式,諸如(例如,在行動設備上本端執行的)導航應用程式。因此,應用程式410(經由API 424c)調用應用程式服務420,應用程式服務420(經由API 424a)調用微服務422a或直接(經由API 424a)調用微服務422a。來自應用程式410的命令指示應用程式410正在請求行動設備的位置,並且可以包括(或額外命令可以包括)與所請求的地點決定相關的其他資訊,諸如所請求的服務品質(QoS)(例如,精度和時延)。
基於位置請求的QoS、行動設備的已知能力(例如,可用定位技術,諸如基於衛星的、基於NR的、基於Wi-Fi的,等等)、(例如,來自附近的基地台)可用參考訊號配置等,微服務422a(經由API 434a)調用定位子系統432a。需要說明的是,微服務422a可以與其他微服務、其他應用程式服務、其他應用程式等協調,以獲得定位行動設備所需的資訊。例如,微服務422a可能需要存取與行動設備預期要量測的一或多個基地台相關聯的另一微服務,以便執行基於NR的定位程序。
微服務422a可以基於行動設備的已知能力和所請求的QoS來選擇定位技術以用於獲得行動設備的位置。例如,使用衛星訊號接收器442a可以提供高精度和低時延,但是它可以被關閉。作為另一實例,使用一或多個WWAN收發器442b可以提供低時延,但是若行動設備在室內,精度會較差。基於所選擇的定位技術,微服務422a向定位子系統432a發送一或多個命令,請求定位子系統432a調用衛星訊號接收器442a、一或多個WWAN收發器442b或者一或多個短程無線收發器442c。同樣取決於所選擇的定位技術的類型,微服務422a可以提供關於量測哪些參考訊號、發送哪些參考訊號等的命令。此外,微服務422a可以指示定位量測所需的精度和時延。
基於來自微服務422a的命令,定位子系統432a(經由API 444中的一或多個)調用適當的硬體部件。例如,若定位技術是基於NR的,則定位子系統432a可以向一或多個WWAN收發器442b發送命令,以在特定的時間和特定頻率上量測及/或發送特定參考訊號。此外,基於所請求的精度和時延,定位子系統432a可以增加或減少分配給一或多個WWAN收發器442b的功率及/或處理資源的量。例如,對於較高的精度要求,定位子系統432a可以將更多的功率及/或處理資源專用於一或多個WWAN收發器442b。
定位子系統432a(經由回檔436a)接收來自一或多個WWAN收發器442b的定位量測(例如,接收時間、傳輸時間、訊號強度等),並且將它們(經由回檔426a)傳遞給微服務422a。隨後,微服務422a可以基於量測和任何其他可用資訊(例如,發送所量測的參考訊號的基地台的位置)來計算行動設備的位置。微服務422a經由回檔412或經由應用程式服務420(取決於哪個實體調用了微服務422a)向應用程式410提供行動設備的計算的位置。
在某些態樣,應用程式410可以向微服務422a提供憑證或其他授權,指示應用程式410被允許存取行動設備的位置。替代地,在接收到來自應用程式410的請求時,微服務422a可以決定應用程式410是否被授權。該檢查可以經由例如另一微服務或經由調用作業系統430來執行,以決定應用程式410是否具有存取行動設備的位置的許可。類似地,微服務422a可能需要向作業系統430提供憑證或其他授權,以指示微服務422a被允許存取行動設備的位置。替代地,在接收到來自微服務422a的請求時,作業系統430可以決定微服務422a是否被授權。
在某些態樣,應用程式410可以使用webhook來獲得行動設備的位置。這樣,每當行動設備從一個位置移動到另一位置時,應用程式410將被通知。在這種情況下,觀察者系統將是微服務422a,並且主體系統將是應用程式410。代替應用程式410必須週期性地調用微服務422a來檢查行動設備的位置是否已經改變,在應用程式410中建立的webhook將允許微服務422a經由註冊的URL將行動設備的位置的任何改變自動推送到應用程式410。微服務422a可以週期性地執行定位操作來決定行動設備的位置,以便向應用程式410報告改變。
類似地,微服務422a可以使用webhook來獲得行動設備的位置的改變。然而,在這種情況下,因為微服務422a為某些類型的定位技術(例如,基於NR的、基於Wi-Fi的)協調定位決定,所以webhook可能僅適用於某些其他類型的定位技術(例如,基於衛星的、基於感測器的)。例如,若定位子系統432a經由衛星訊號接收器442a協調基於衛星的定位,則它可以經由webhook向微服務422a報告任何偵測到的位置改變。
在一些情況下,應用程式410、應用程式服務420、作業系統430和硬體440可以分佈在多個設備(例如,UE、web伺服器、位置伺服器等)上。例如,應用程式410可以在位置伺服器(例如,LMF 270)上執行,應用程式服務420可以在web伺服器上執行,並且作業系統430和硬體440可以被合併在UE(例如,UE 204)中。
NR支援許多基於蜂巢網路的定位技術,包括基於下行鏈路、基於上行鏈路以及基於下行鏈路和上行鏈路的定位方法。基於下行鏈路的定位方法包括LTE中的觀測到達時間差(OTDOA)、NR中的下行鏈路到達時間差(DL-TDOA)和NR中的下行鏈路離開角(DL-AoD)。圖5圖示根據本案的態樣的各種定位方法的實例。在由場景510所示的OTDOA或DL-TDOA定位程序中,UE量測從基地台對接收的參考訊號(例如,定位參考訊號(PRS))的到達時間(ToA)之間的差異,稱為參考訊號時間差(RSTD)或到達時間差(TDOA)量測,並且將它們報告給定位實體。更具體地,UE在輔助資料中接收參考基地台(例如,服務基地台)和多個非參考基地台的識別符(ID)。隨後,UE量測參考基地台與每個非參考基地台之間的RSTD。基於所涉及基地台的已知位置和RSTD量測,定位實體(例如,用於基於UE的定位的UE或用於UE輔助定位的位置伺服器)可以估計UE的位置。
對於由場景520所示的DL-AoD定位,定位實體使用來自UE的多個下行鏈路發送波束的接收訊號強度量測的量測報告來決定UE與發送基地台之間的角度。隨後,定位實體可以基於所決定的角度和發送基地台的已知位置來估計UE的位置。
基於上行鏈路的定位方法包括上行鏈路到達時間差(UL-TDOA)和上行鏈路到達角度(UL-AoA)。UL-TDOA類似於DL-TDOA,但是基於由UE向多個基地台發送的上行鏈路參考訊號(例如,探測參考訊號(SRS))。具體地,UE發送由參考基地台和複數個非參考基地台量測的一或多個上行鏈路參考訊號。隨後,每個基地台向知道所涉及的基地台的位置和相對定時的定位實體(例如,位置伺服器)報告參考訊號的接收時間(稱為相對到達時間(RTOA))。基於參考基地台的報告RTOA與每個非參考基地台的報告RTOA之間的接收到接收(Rx-Rx)時間差、基地台的已知位置以及它們的已知定時偏移,定位實體可以使用TDOA來估計UE的位置。
對於UL-AoA定位,一或多個基地台量測在一或多個上行鏈路接收波束上從UE接收的一或多個上行鏈路參考訊號(例如,SRS)的接收訊號強度。定位實體使用訊號強度量測和接收波束的角度來決定UE與基地台之間的角度。隨後,基於所決定的角度和基地台的已知位置,定位實體可以估計UE的位置。
基於下行鏈路和上行鏈路的定位方法包括增強型細胞標識(E-CID)定位和多往返時間(RTT)定位(亦稱為「多細胞RTT」和「多RTT」)。在RTT程序中,第一實體(例如,基地台或UE)向第二實體(例如,UE或基地台)發送第一RTT相關訊號(例如,PRS或SRS),第二實體將第二RTT相關訊號(例如,SRS或PRS)發送回第一實體。每個實體量測所接收的RTT相關訊號的到達時間(ToA)與所發送的RTT相關訊號的傳輸時間之間的時間差。這個時間差被稱為接收到發送(Rx-Tx)時間差。可以進行或調整Rx-Tx時間差量測,以僅包括所接收的訊號的最近時槽邊界和所發送的訊號的最近時槽邊界之間的時間差。隨後,兩個實體可以向位置伺服器(例如,LMF 270)發送它們的Rx-Tx時間差量測,位置伺服器根據兩個Rx-Tx時間差量測計算兩個實體之間的往返傳播時間(亦即,RTT)(例如,如兩個Rx-Tx時間差量測之和)。替代地,一個實體可以向另一實體發送其Rx-Tx時間差量測,隨後,該另一實體計算RTT。兩個實體之間的距離可以根據RTT和已知的訊號速度(例如,光速)來決定。對於由場景530所示的多RTT定位,第一實體(例如,UE或基地台)與多個第二實體(例如,多個基地台或UE)執行RTT定位程序,以使得第一實體的位置能夠基於到第二實體的距離以及第二實體的已知位置來決定(例如,使用多點定位)。如由場景540所示,RTT和多RTT方法可以與諸如UL AoA和DL-AoD的其他定位技術相結合,以提高定位精度。
E-CID定位方法基於無線電資源管理(RRM)量測。在E-CID中,UE報告服務細胞ID、定時提前(TA)以及所偵測的相鄰基地台的識別符、估計定時和訊號強度。隨後,UE的位置基於該資訊和基地台的已知位置來估計。
為了輔助定位操作,位置伺服器(例如,位置伺服器230、LMF 270、SLP 272)可以向UE提供輔助資料。例如,輔助資料可以包括量測參考訊號的基地台(或基地台的細胞/TRP)的識別符、參考訊號配置參數(例如,包括PRS的連續時槽的數量、包括PRS的連續時槽的週期性、靜音序列、跳頻序列、參考訊號識別符、參考訊號頻寬等)及/或適用於特定定位方法的其他參數。替代地,輔助資料可以直接源自基地台本身(例如,在週期性地廣播的管理負擔訊息中,等等)。在一些情況下,UE能夠在不使用輔助資料的情況下自己偵測相鄰網路節點。
在OTDOA或DL-TDOA定位程序的情況下,輔助資料亦可以包括預期RSTD周圍的預期RSTD值和相關聯的不決定性或搜尋窗口。在一些情況下,預期RSTD的值範圍可以是+/-500微秒(µs)。在一些情況下,當用於定位量測的任何資源在FR1中時,預期RSTD的不決定性的值範圍可以是+/-32 µs。在其他情況下,當用於定位量測的所有資源皆在FR2中時,預期RSTD的不決定性的值範圍可以是+/-8 µs。
位置估計可以用其他名稱來代表,諸如定位估計(position estimate)、位置(location)、定位(position)、定位決定(position fix)、方位(fix)等。位置估計(location estimate)可以是大地量測的,並且包括座標(例如,緯度、經度和可能的高度),或可以是城市量測的,並且包括街道位址、郵政位址或地點的一些其他口頭描述。位置估計亦可以相對於某個其他已知位置來定義,或用絕對術語來定義(例如,使用緯度、經度以及可能的高程)。位置估計可以包括預期的誤差或不決定性(例如,經由包括區域或體積,在該區域或體積內,該位置被預期以某種指定或預設的置信度包括在內)。
圖6A圖示LTE定位協定(LPP)目前支援的用於與網路交換UE定位能力的兩個程序。第一程序是能力傳輸程序600,並且第二程序是能力指示程序610。在能力傳輸程序600中,伺服器(例如,LMF 270)在LPP「RequestCapabilities」訊息中指示目標(例如,UE 204)所需的定位能力的類型,並且目標在LPP「ProvideCapabilities」訊息中向伺服器提供所請求的定位能力。在能力指示程序610中,目標在LPP「ProvideCapabilities」訊息中向伺服器提供主動提供的定位能力。
圖6B圖示LPP目前支援的用於交換定位輔助資料的兩個程序。第一程序是輔助資料傳輸程序630,並且第二程序是輔助資料傳遞程序640。在輔助資料傳輸程序630中,目標(例如,UE 204)在LPP「RequestAssistanceData」訊息中向伺服器(例如,LMF 270)發送對輔助資料的請求,並且伺服器在LPP「ProvideAssistanceData」訊息中向目標提供定位所需的輔助資料。可以依須求、週期性地或週期性更新地提供輔助資料。在輔助資料傳遞程序640中,伺服器在LPP「ProvideAssistanceData」訊息中提供定位到目標所需的主動提供的輔助資料。可以週期性地或非週期性地提供輔助資料。
圖6C圖示LPP目前支援的用於交換位置資訊的兩個程序。第一程序是位置資訊傳輸程序650,並且第二程序是位置資訊傳遞程序660。位置資訊傳輸程序650用於支援基於所請求的服務的定位估計的傳輸。伺服器(例如,LMF 270)向目標(例如,UE 204)發送LPP「RequestLocationInformation」訊息,指示所需位置資訊的類型和相關聯的QoS,並且目標在LPP「ProvideLocationInformation」訊息中向伺服器提供所請求的位置資訊。位置資訊傳遞程序660支援基於主動提供的服務的定位估計的傳遞。在位置資訊傳遞程序660中,目標發送包括主動提供的定位資訊的LPP「ProvideLocationInformation」訊息。
各種訊框結構可以用於支援網路節點(例如,基地台和UE)之間的下行鏈路和上行鏈路傳輸。圖7是示出根據本案的態樣的實例訊框結構的示意圖700。訊框結構可以是下行鏈路或上行鏈路訊框結構。其他無線通訊技術可以具有不同的訊框結構及/或不同的通道。
LTE以及在一些情況下的NR在下行鏈路上使用正交分頻多工(OFDM),並且在上行鏈路上使用單載波分頻多工(SC-FDM)。然而,與LTE不同,NR亦可以選擇在上行鏈路上使用OFDM。OFDM和SC-FDM將系統頻寬分成多個(K個)正交次載波,這些次載波通常亦被稱為音調、頻段等。每個次載波可以用資料進行調制。通常,調制符號使用OFDM在頻域中發送,使用SC-FDM在時域中發送。相鄰次載波之間的間隔可以是固定的,並且次載波的總數(K)可以取決於系統頻寬。例如,次載波的間隔可以是15千赫(kHz),並且最小資源配置(資源區塊)可以是12個次載波(或180 kHz)。因此,對於1.25、2.5、5、10或20兆赫(MHz)的系統頻寬,標稱快速傅裡葉變換(FFT)大小可以分別等於128、256、512、1024或2048。系統頻寬亦可以被分成次頻帶。例如,一個次頻帶可以覆蓋1.08 MHz(亦即,6個資源快),並且對於1.25、2.5、5、10或20 MHz的系統頻寬,可以分別有1、2、4、8或16個次頻帶。
LTE支援單個系統參數(次載波間隔(SCS)、符號長度等)。相比之下,NR可以支援多種系統參數(µ),例如,15 kHz(µ=0)、30 kHz(µ=1)、60 kHz(µ=2)、120 kHz(µ=3)和240 kHz(µ=4)或更大的次載波間隔可能是可用的。在每個次載波間隔中,每個時槽有14個符號。對於15 kHz SCS(µ=0),每個子訊框有一個時槽,每個訊框有10個時槽,時槽持續時間是1毫秒(ms),符號持續時間是66.7微秒(µs),並且具有4K FFT大小的最大標稱系統頻寬(以MHz為單位)是50。對於30 kHz SCS(µ=1),每個子訊框有兩個時槽,每個訊框有20個時槽,時槽持續時間為0.5 ms,符號持續時間為33.3 µs,並且具有4K FFT大小的最大標稱系統頻寬(以MHz為單位)為100。對於60 kHz SCS(µ=2),每個子訊框有4個時槽,每個訊框有40個時槽,時槽持續時間為0.25 ms,符號持續時間為16.7 µs,並且具有4K FFT大小的最大標稱系統頻寬(以MHz為單位)為200。對於120 kHz SCS(µ=3),每個子訊框有8個時槽,每個訊框有80個時槽,時槽持續時間為0.125 ms,符號持續時間為8.33 µs,具有4K FFT大小的最大標稱系統頻寬(以MHz為單位)為400。對於240 kHz SCS(µ=4),每個子訊框有16個時槽,每個訊框有160個時槽,時槽持續時間為0.0625 ms,符號持續時間為4.17 µs,並且具有4K FFT大小的最大標稱系統頻寬(以MHz為單位)為800。
在圖7的實例中,使用了15 kHz的系統參數。因此,在時域中,10 ms訊框被分成10個大小相等的子訊框,每個子訊框1 ms,並且每個子訊框包括一個時槽。在圖7中,水平(在X軸上)表示時間,時間從左到右增加,而垂直(在Y軸上)表示頻率,頻率從下到上增加(或減少)。
資源網格可用於表示時槽,每個時槽包括頻域中的一或多個時間併發資源區塊(RB)(亦被稱為實體RB(PRB))。資源網格亦被分成多個資源元素(RE)。RE可以對應於時域中的一個符號長度和頻域中的一個次載波。在圖7的系統參數中,對於正常的循環字首,RB可以在頻域中包含12個連續次載波,並且在時域中包含7個連續符號,總共84個RE。對於擴展循環字首,RB可以在頻域中包含12個連續次載波並且在時域中包含六個連續符號,總共72個RE。由每個RE攜帶的位元數取決於調制方案。
一些RE可以攜帶參考(引導頻)訊號(RS)。參考訊號可以包括定位參考訊號(PRS)、追蹤參考訊號(TRS)、相位追蹤參考訊號(PTRS)、細胞特定參考訊號(CRS)、通道狀態資訊參考訊號(CSI-RS)、解調參考訊號(DMRS)、主要同步訊號(PSS)、輔同步訊號(SSS)、同步訊號塊(SSB)、探測參考訊號(SRS)等,這取決於所示的訊框結構是用於上行鏈路通訊還是下行鏈路通訊。圖7圖示攜帶參考訊號(標記為「R」)的RE的實例位置。
用於PRS的傳輸的資源元素(RE)的集合被稱為「PRS資源」。資源元素的集合可以跨越頻域中的多個PRB和時域中的一個時槽內的「N」個(諸如1個或多個)連續符號。在時域中的給定OFDM符號中,PRS資源佔用頻域中的連續PRB。
給定PRB內的PRS資源的傳輸具有特定的梳大小(亦稱為「梳密度」)。梳大小「N」表示PRS資源配置的每個符號內的次載波間隔(或頻率/音調間隔)。具體地,對於梳大小「N」,PRS在PRB的符號的每第N個次載波中發送。例如,對於comb-4,對於PRS資源配置的每個符號,對應於每第四個次載波(諸如次載波0、4、8)的RE被用於發送PRS資源的PRS。目前,DL-PRS支援comb-2、comb-4、comb-6和comb-12的梳大小。圖7圖示針對comb-4(其跨越四個符號)的實例PRS資源配置。亦即,陰影RE(標記為「R」)的位置指示comb-4 PRS資源配置。
目前,DL-PRS資源可以跨越在具有完全頻域交錯圖案的時槽內的2、4、6或12個連續符號。DL-PRS資源可以被配置在時槽的任何較高層配置的下行鏈路或靈活(FL)符號中。對於給定DL-PRS資源的所有RE,存在恆定的每資源元素能量(EPRE)。以下是在2、4、6和12個符號上,梳大小為2、4、6和12的符號到符號的頻率偏移。2符號comb-2:{0,1};4符號comb-2:{0,1,0,1};6符號comb-2:{0,1,0,1,0,1};12符號comb-2:{0,1,0,1,0,1,0,1,0,1,0,1};4符號comb-4:{0,2,1,3}(如圖7的實例);12符號comb-4:{0,2,1,3,0,2,1,3,0,2,1,3};6符號comb-6:{0,3,1,4,2,5};12符號comb-6:{0,3,1,4,2,5,0,3,1,4,2,5};及12符號comb-12:{0,6,3,9,1,7,4,10,2,8,5,11}。
「PRS資源集」是用於PRS訊號的傳輸的一組PRS資源,其中每個PRS資源具有PRS資源ID。此外,PRS資源集中的PRS資源與同一TRP相關聯。PRS資源集由PRS資源集ID標識,並且與(由TRP ID標識的)特定的TRP相關聯。此外,PRS資源集中的PRS資源具有相同的週期、共同的靜音模式配置以及跨時槽的相同重複因數(諸如「PRS-ResourceRepetitionFactor」)。週期是從第一PRS實例的第一PRS資源的第一次重複到下一個PRS實例的相同的第一PRS資源的相同的第一次重複的時間。週期可以具有從2^µ*{4,5,8,10,16,20,32,40,64,80,160,320,640,1280,2560,5124,10240}個時槽中選擇的長度,其中µ = 0、1、2、3。重複因數可以具有從{1,2,4,6,8,16,32}個時槽中選擇的長度。
PRS資源集中的PRS資源ID與從單個TRP發送的單個波束(或波束ID)相關聯(其中TRP可以發送一或多個波束)。亦即,PRS資源集的每個PRS資源可以在不同的波束上發送,這樣,「PRS資源」,或簡稱為「資源」,亦可以被稱為「波束」。需要說明的是,這對於UE是否知道TRP和發送PRS的波束沒有任何影響。
「PRS實例」或「PRS時機」是週期性地重複的時間訊窗(諸如一組一或多個連續的時槽)的一個實例,PRS預期在該時間訊窗中被發送。PRS時機亦可以稱為「PRS定位時機」、「PRS定位實例」、「定位時機」、「定位實例」、「定位重複」,或簡稱為「時機」、「實例」或「重複」。
「定位頻率層」(亦簡稱為「頻率層」)是跨一或多個TRP的一或多個PRS資源集的集合,這些TRP對於某些參數具有相同的值。具體地,PRS資源集的集合具有相同的次載波間隔和循環字首(CP)類型(意味著PRS亦支援實體下行鏈路共享通道(PDSCH)支援的所有系統參數)、相同的點A、相同的下行鏈路PRS頻寬值、相同的起始PRB(和中心頻率)以及相同的梳大小。點A參數取參數「ARFCN-ValueNR」的值(其中「ARFCN」代表「絕對射頻通道號」),並且是指定用於發送和接收的一對實體無線電通道的識別符/代碼。下行鏈路PRS頻寬可以具有4個PRB的細微性,最少24個PRB,並且最多272個PRB。目前,已經定義了多達四個頻率層,並且每個頻率層的每個TRP可以配置最多達兩個PRS資源集。
頻率層的概念有點類似於分量載波和頻寬部分(BWP)的概念,但是不同之處在於,分量載波和BWP由一個基地台(或巨集細胞基地台和小細胞基地台)用來發送資料通道,而頻率層由若干個(通常為三個或更多個)基地台用來發送PRS。當UE諸如在LTE定位協定(LPP)通訊期向網路發送其定位能力時,UE可以指示其能夠支援的頻率層的數量。例如,UE可以指示它能夠支援一個還是四個定位頻率層。
需要說明的是,術語「定位參考訊號」和「PRS」通常可以指用於NR或LTE系統中的定位的特定參考訊號。然而,如本文所使用的,術語「定位參考訊號」和「PRS」亦可以指可以用於定位的任何類型的參考訊號,諸如但不限於LTE和NR中定義的PRS、TRS、PTRS、CRS、CSI-RS、DMRS、PSS、SSS、SSB、SRS、UL-PRS等。此外,術語「定位參考訊號」和「PRS」可以指下行鏈路、上行鏈路或側鏈路定位參考訊號,除非上下文另有指示。若需要進一步區分PRS的類型,則下行鏈路定位參考訊號可以被稱為「DL-PRS」,上行鏈路定位參考訊號(例如,用於定位的SRS,PTRS)可以被稱為「UL-PRS」,並且側鏈路定位參考訊號可以被稱為「SL-PRS」。此外,對於可以在下行鏈路、上行鏈路及/或側鏈路中發送的訊號(例如,DMRS),可以在訊號前加上「DL」、「UL」或「SL」來區分方向。例如,「UL-DMRS」不同於「DL-DMRS」。
圖8是表示根據本案的態樣的接收器設備(例如,本文所描述的任何UE或基地台)與發送器設備(例如,本文所描述的任何其他UE或基地台)之間的多徑通道的通道估計的圖800。通道估計將經由多徑通道接收的射頻(RF)訊號(例如,PRS)的強度表示為時間延遲的函數,並且可以被稱為通道的通道能量回應(CER)、通道脈衝回應(CIR)或功率延遲分佈(PDP)。因此,橫軸以時間為單位(例如,毫秒),並且縱軸以訊號強度為單位(例如,分貝)。需要說明的是,多徑通道是發送器與接收器之間的通道,由於RF訊號在多個波束上的傳輸及/或RF訊號的傳播特性(例如,反射、折射等),RF訊號在該通道上遵循多個路徑或多徑。
在圖8的實例中,接收器偵測/量測多個(四個)通道分接點簇。每個通道分接點表示RF訊號在發送器與接收器之間遵循的多徑。亦即,通道分接點表示RF訊號到達多徑。每個通道分接點簇表示對應的多徑基本上遵循相同的路徑。由於RF訊號在不同的發送波束上(並且因此以不同角度)發送,或由於RF訊號的傳播特性(例如,由於反射可能遵循不同的路徑),或兩者,可能存在不同的簇。
給定RF訊號的所有通道分接點簇表示發送器與接收器之間的多徑通道(或簡稱為通道)。在圖8所示的通道下,接收器在時間T1在通道分接點上接收兩個RF訊號的第一簇,在時間T2在通道分接點上接收五個RF訊號的第二簇,在時間T3在通道分接點上接收五個RF訊號的第三簇,在時間T4在通道分接點上接收四個RF訊號的第四簇。在圖8的實例中,因為在時間T1的RF訊號的第一簇首先到達,所以它被假定為對應於在與視距(LOS)或最短路徑對準的發送波束上發送的RF訊號。在時間T3的第三簇由最強的RF訊號組成,並且可以對應於例如在與非視距(NLOS)路徑對準的發送波束上發送的RF訊號。需要說明的是,儘管圖8圖示二至五個通道分接點的簇,但是將理解,簇可以具有比所示數量更多或更少的通道分接點。
機器學習可以用於產生模型,該模型可以用於促進與資料處理相關聯的各個態樣。機器學習的一個具體應用涉及用於處理用於定位的參考訊號(例如,PRS)(諸如特徵提取、參考訊號量測的報告(例如,選擇要報告哪些提取的特徵)等)的量測模型的產生。
機器學習模型通常分為有監督的和無監督的。監督模型亦可以細分為回歸或分類模型。監督學習涉及學習基於實例輸入-輸出對將輸入映射到輸出的函數。例如,給定一個具有年齡(輸入)和身高(輸出)兩個變數的訓練資料集,可以產生監督學習模型來基於他們的年齡預測人的身高。在回歸模型中,輸出是連續的。回歸模型的一個實例是線性回歸,它僅試圖找到最佳擬合數據的直線。線性回歸的擴展包括多元線性回歸(例如,找到最佳擬合的平面)和多項式回歸(例如,找到最佳擬合的曲線)。
機器學習模型的另一實例是決策樹模型。在決策樹模型中,樹結構用多個節點來定義。決策用於從決策樹頂部的根節點移動到決策樹底部的葉節點(亦即,沒有進一步的子節點的節點)。通常,決策樹模型中節點的更多數量與更高的決策精度相關。
機器學習模型的另一實例是決策森林。隨機森林是一種基於決策樹構建的整合學習技術。隨機森林涉及使用原始資料的自舉資料集建立複數個決策樹,並且在決策樹的每步隨機選擇變數的子集。隨後,該模型選擇每個決策樹的所有預測的模式。經由依賴「多數獲勝」模型,降低了來自單個樹的錯誤風險。
機器學習模型的另一實例是神經網路(NN)。神經網路本質上是數學方程的網路。神經網路接受一或多個輸入變數,並且經由經過方程網路,產生一或多個輸出變數。換句話說,神經網路接收輸入向量並且返回輸出向量。
圖9圖示根據本案的態樣的實例神經網路900。神經網路900包括接收「n」個(一或多個)輸入(示為「輸入1」、「輸入2」和「輸入n」)的輸入層「i」、用於處理來自輸入層的輸入的一或多個隱藏層(示為隱藏層「h1」、「h2」和「h3」)以及提供「m」個(一或多個)輸出(標記為「輸出1」和「輸出m」)的輸出層「o」。輸入「n」、隱藏層「h」和輸出「m」的數量可以相同或不同。在一些設計中,隱藏層「h」可以包括線性函數及/或啟動函數,每個連續隱藏層的節點(示為圓)根據前一隱藏層的節點處理線性函數及/或啟動函數。
在分類模型中,輸出是離散的。分類模型的一個實例是邏輯回歸。邏輯回歸類似於線性回歸,但是用於類比有限數量(通常為兩個)結果的概率,。實質上,邏輯方程是以這樣一種方式建立的,即輸出值只能是「0」和「1」。分類模型的另一實例是支援向量機。例如,對於兩類資料,支援向量機將找到兩類資料之間的超平面或邊界,該超平面或邊界最大化兩個類別之間的餘量。有許多平面可以將這兩個類別分開,但只有一個平面可以最大化類別之間的餘量或距離。分類模型的另一實例是單純貝氏,它基於貝氏定理。分類模型的其他實例包括決策樹、隨機森林和神經網路,類似於以上所描述的實例,但輸出是離散的而不是連續的。
與監督學習不同,非監督學習用於從輸入資料中進行推斷和發現模式,而不參考標記的結果。無監督學習模型的兩個實例包括聚類和降維。
聚類是一種涉及資料點的封包或聚類的無監督的技術。聚類經常用於客戶細分、欺詐偵測和文件分類。常見的聚類技術包括k均值聚類、分層聚類、均值漂移聚類和基於密度的聚類。降維是經由獲得一組主變數來減少所考慮的隨機變數的數量的程序。更簡單地說,降維是降低特徵集的維度的程序(再簡單地說,減少特徵的數量)。大多數降維技術可以分為特徵消除或特徵提取。降維的一個實例叫做主成分分析(PCA)。從最簡單的意義上來說,PCA涉及將較高維資料(例如,三維)投影到較小的空間(例如,二維)。這導致更低的資料維度(例如,二維而不是三維),同時保持模型中的所有原始變數。
不論使用哪種機器學習模型,在高級別上,(例如,由諸如處理器332、384或394的處理系統實施的)機器學習模組可以被配置為反覆運算地分析訓練輸入資料(例如,去往/來自各種目標UE的參考訊號的量測),並且將該訓練輸入資料與輸出資料集(例如,各種目標UE的可能的候選位置的集合)相關聯,從而使得稍後能夠在呈現有(例如,來自相同或類似位置的其他目標UE的)類似輸入資料時決定相同的輸出資料集。
NR支援基於射頻指紋(RFFP)的定位,一種利用由行動設備擷取的RFFP來決定行動設備的位置的定位技術。RFFP可以是接收訊號強度指示符(RSSI)、CER、CIR、PDP或通道頻率回應(CFR)的長條圖。RFFP可以表示從發送器(例如,PRS)接收的單個通道、從特定發送器接收的所有通道或在接收器處可偵測的所有通道。由行動設備(例如,UE)量測的RFFP和與量測的RFFP相關聯的發送器(亦即,發送由行動設備量測的RF訊號以決定RFFP的發送器)的位置可以用於決定(例如,三角量測)行動設備的位置。
當與傳統的定位方案相比時,機器學習定位技術已經被證明提供優越的定位效能。在基於機器學習-RFFP的定位中,機器學習模型(例如,神經網路900)將下行鏈路參考訊號(例如,PRS)的RFFP作為輸入,並且輸出定位量測(例如,ToA、RSTD)或對應於輸入的RFFP的行動設備位置。機器學習模型(例如,神經網路900)使用「真實情況」(亦即,已知的)定位量測或行動設備位置作為RFFP訓練集的參考(亦即,預期的)輸出來訓練。
例如,機器學習模型可以被訓練成從由TRP發送的PRS的RFFP決定一對TRP的RSTD量測。用於訓練此類模型的參考輸出將是在行動設備獲得PRS的RFFP量測時行動設備的位置的正確(亦即,真實情況)RSTD量測。網路(例如,位置伺服器)可以基於行動設備的已知位置和所涉及的(量測的)TRP的已知位置來決定這對TRP所預期的RSTD。行動設備的已知位置可以根據多個報告的RSTD量測及/或由行動設備報告的任何其他量測(例如,GPS量測)來決定。
圖10是示出根據本案的態樣的將機器學習模型用於基於RFFP的定位的示意圖1000。在圖10的實例中,在「離線」階段期間,由行動設備擷取的RFFP(例如,CER/CIR/CFR)被儲存在資料庫中。該資料庫可以位於行動設備或網路實體(例如,位置伺服器)處,並且每個RFFP可以包括由一或多個發送器(在圖10中被示為基地台1至基地台N(亦即,「BS 1」至「BS N」))發送的RF訊號(或通道或鏈路)的量測。對於基於UE的下行鏈路RFFP(DL-RFFP)定位,網路(例如,位置伺服器)將基地台配置為向行動設備發送下行鏈路參考訊號(例如,PRS),並且RFFP是由行動設備偵測到的配置的下行鏈路參考訊號的CER/CIR/CFR。
每個量測的RFFP與行動設備在行動設備量測RFFP時的已知位置(在圖10中被示為定位1至定位L(亦即,「Pos 1」至「Pos L」))相關聯。行動設備的位置可以經由(諸如上面參考圖5所論述的)另一種定位技術獲知。需要說明的是,儘管圖10圖示單個行動設備的RFFP資訊,但是將理解,多個行動設備的RFFP資訊可以被收集並且儲存在資料庫中。
基於在離線階段期間擷取的資訊,機器學習模型(例如,神經網路900)被訓練成基於由行動設備量測的RFFP來預測行動設備的位置。更具體地,RFFP量測的訓練集被用作機器學習模型的輸入,並且行動設備在擷取RFFP時的已知位置被用作參考輸出。在訓練之後,在「線上」階段期間,所訓練的機器學習模型可以用於基於由行動設備目前量測的RFFP來預測(推斷)行動設備位置(示為「Pos M」)。對於基於UE的RFFP定位,網路(例如,位置伺服器)向行動設備提供所訓練的機器學習模型。對於UE輔助的定位,行動設備可以向網路提供RFFP量測,以用於處理。
需要說明的是,儘管圖10圖示使用基於RFFP的機器學習模型來估計UE的位置,但是機器學習模型的輸出(或提取的特徵)可以改為基於輸入RFFP的定位量測,諸如RSTD量測、ToA量測、DL-AoD量測等。
對於UE產生的機器學習模型,網路監控機器學習模型的效能並且將其報告回UE或UE供應商的機器學習模型維護引擎將是有益的。這將使得UE或UE供應商能夠更新機器學習模型或應用線上訓練/微調。這是可能的,因為網路可以檢查具有已知位置的一些部署的參考UE的效能。因此,本案提供了用於網路監控基於UE的RFFP機器學習模型的定位效能並且將該效能報告回UE、UE供應商或另一感興趣的實體的技術。
圖11是示出根據本案的態樣的DL-RFFP機器學習模型效能監控的基於網路的報告的示意圖1100。如圖11所示,UE向位置伺服器及/或UE的服務TRP提供(使用本機存放區的RFFP機器學習(ML)模型(標記為「RFFP ML」)決定的)其估計定位。例如,UE可以在(如圖6C所示的)LPP提供位置資訊訊息中經由服務TRP向位置伺服器提供其估計定位。需要說明的是,圖11所示的估計定位可以是基於輸入RFFP的UE的估計地理位置,或基於輸入RFFP的一或多個定位量測,諸如RSTD量測、ToA量測、DL-AoD量測等。
位置伺服器及/或TRP監控基於UE的RFFP機器學習模型(圖11中的「RFFP ML」模組)的效能,並且以RFFP機器學習模型效能報告(圖11中標記為「效能報告」)的形式將效能監控結果報告給UE、UE供應商、位置伺服器(其中TRP執行監控)及/或機器學習模型維護引擎。RFFP機器學習模型效能報告可以由TRP及/或位置伺服器基於某些事件的發生來觸發,或者報告可以被週期性地觸發。可以立即傳遞RFFP機器學習模型效能報告,或者可以在一段時間內累積多個報告以進行批量傳遞。
在一個態樣,RFFP機器學習模型效能報告可以包括跨多個定位推斷時機(亦即,機器學習模型對RFFP量測的多次執行或應用)或在某個時間訊框(時間訊窗)期間的匯總統計。例如,該報告可以指示跨多個定位推斷時機或在某個時間訊框期間的平均定位誤差。這亦可以理解為獎勵訊號傳遞形式的訓練資料輔助,其允許UE(或UE供應商)經由強化訓練來更新機器學習模型。
在一個態樣,RFFP機器學習模型效能報告可以包括每定位推斷時機報告。例如,每個定位推斷時機可以與相比於(有雜訊的)真實情況的RFFP定位推斷誤差以及誤差值的置信度相關聯。這可以理解為(有雜訊的)真實情況訊號傳遞形式的訓練資料輔助,其允許UE(或UE供應商)經由監督訓練來更新機器學習模型。
在一個態樣,RFFP機器學習模型效能報告可以包括每個推斷時機報告,但是可以僅包括效能差於閾值的某些時機。
對於網路產生的機器學習模型,UE報告指示其在基於DL-RFFP機器學習模型的定位估計(例如,UE的估計地理位置或估計定位量測)中的決定性(或置信度)的度量將是有益的。這將使得網路(例如,位置伺服器)能夠更新網路產生的機器學習模型,或在不同的定位方法之間切換,或將基於DL-RFFP的定位估計與基於其他定位方法(例如,DL-TDOA、多RTT等)的定位估計融合。
因此,本案提供了用於UE計算由DL-RFFP機器學習模型產生的定位估計的置信度值並且將該置信度值(和定位估計)報告給網路的技術。對於UE產生的機器學習模型,UE可以向網路提供其計算模型的輸出的置信度值的能力。UE可以在例如(例如,如圖6A所示的)LPP提供能力訊息中提供這種能力。對於網路產生的機器學習模型,網路可以通知UE(例如,在LPP提供輔助資料訊息及/或LPP提供位置資訊訊息中)置信度報告是下載的機器學習模型設計的一部分。在任一情況下,UE進行基於DL-RFFP的定位(使用RFFP機器學習模型),並且報告置信度值以及在輔助資料(例如,如圖6B中的LPP提供輔助資料訊息)中配置的定位估計。
圖12是示出根據本案的態樣的UE報告基於DL-RFFP機器學習模型的定位估計的置信度度量的示意圖1200。如圖12所示,UE向其服務TRP及/或位置伺服器報告估計定位和表示該估計定位的置信度的置信度度量。例如,UE可以在(例如,如圖6C所示的)LPP提供位置資訊訊息中經由服務TRP向位置伺服器提供估計定位和置信度度量。需要說明的是,圖12中所示的估計定位可以是基於輸入RFFP機器學習模型(標記為「RFFP ML」)的RFFP的UE的估計地理位置,或是基於輸入RFFP的一或多個定位量測,諸如RSTD量測、ToA量測、DL-AoD量測等。如圖12所示,估計定位被表示為
並且置信度度量是相關聯的協方差:
。
本案考慮了以下兩種情況下的基於UE的置信度計算:(1)UE產生的機器學習模型,以及(2)網路產生的機器學習模型。對於UE產生的機器學習模型,機器學習模型可以由UE供應商開發,並且因此,網路可能不知道UE的計算置信度度量的能力。UE應通知網路其提供具有DL-RFFP定位估計的置信度度量的能力(例如,在LPP提供能力訊息中)。
對於網路產生的機器學習模型,機器學習模型可以由網路供應商開發,並且UE下載機器學習模型。在這種情況下,網路將需要通知UE機器學習模型產生置信度度量以及UE應該如何向網路報告置信度度量。網路可以在例如(例如,如圖6B所示的)LPP提供輔助資料訊息或(例如,如圖6C所示的)LPP請求位置資訊訊息中提供該資訊。
在一個態樣,對於UE產生的機器學習模型,位置伺服器可以請求目標UE提供其使用例如圖6A中的LPP能力傳輸程序600來計算DL-RFFP定位估計的置信度度量的能力。目標UE可以使用例如圖6A中的LPP能力傳輸程序600或圖6A中的LPP能力指示程序610來提供其計算DL-RFFP定位估計的置信度度量的能力。
在一個態樣,對於UE產生的機器學習模型,指示UE是否能夠計算置信度度量的能力訊息可以包括置信度度量的類型和置信度度量的格式的描述。例如,置信度度量可以是DL-RFFP定位估計的平均值的置信區間,包括區間和解析度的範圍。假設UE在給定的UE位置獲得冗餘DL-RFFP定位估計的序列,並且計算它們的統計以及置信區間。作為另一實例,置信度度量可以是DL-RFFP定位估計的協方差的逆,包括區間和解析度的範圍。
對於網路產生的機器學習模型,目標UE請求位置伺服器提供與UE應該如何使用所提供的機器學習模型計算置信度度量並且將置信度度量報告回位置伺服器相關的輔助資料。UE可以在LPP請求輔助資料訊息中發送此類請求(例如,如在圖6B中的LPP輔助資料傳輸程序630中)。位置伺服器可以使用例如LPP輔助資料傳輸程序630或LPP輔助資料傳遞程序640向UE提供與置信度度量計算相關的輔助資料。
在一個態樣,對於網路產生的機器學習模型,輔助資料訊息可以使用機器學習技術來提供與置信度度量計算相關的資訊。例如,該資訊可以是對應於置信度度量及/或置信度度量的解析度和範圍的機器學習模型輸出的描述。
補充地或替代地,輔助資料訊息可以使用非機器學習技術來提供與置信度度量計算相關的資訊。例如,置信度度量可以是DL-RFFP定位估計的平均值的置信區間,包括區間和解析度的預期範圍。假設UE在給定的UE定位獲得冗餘DL-RFFP定位估計的序列,並且計算它們的統計以及置信區間。
在一個態樣,輔助資料訊息可以提供與置信度度量報告相關的資訊,諸如報告標誌、報告週期和條件以及報告數量。報告標誌可以被包括在輔助資料訊息中,以觸發目標UE報告DL-RFFP定位估計的置信度度量。報告週期和條件可以指示期望UE週期性地(週期性觸發)或回應於事件(事件觸發)來提供置信度值。例如,僅當置信度下降到某個閾值以下時,才期望UE提供置信度值。
對於報告數量,輔助資料訊息可將目標UE配置為(1)報告每個RFFP定位實例的單個置信度度量值,(2)使用一個報告來報告一組RFFP定位實例的大量(一批)置信度度量值,(3)使用一個報告來報告一組RFFP定位實例的置信度度量值的統計(例如,定位量測的時間訊窗上的平均置信度值),及/或(4)在一個報告中僅報告具有低於閾值的值的RFFP定位實例的置信度度量值。
圖13圖示根據本案的態樣的通訊的實例方法1300。在一個態樣,方法1300可以由網路實體(例如,位置伺服器或TRP)執行。
在1310處,網路實體從UE接收提供位置資訊訊息,該提供位置資訊訊息包括由UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在一或多個推斷時機之每一者期間被應用於UE與網路節點之間的無線通道的一或多個量測。在一個態樣,在網路實體是TRP的情況下,操作1310可以由一或多個WWAN收發器350、一或多個處理器384、記憶體386及/或定位部件388執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。在一個態樣,在網路實體是位置伺服器的情況下,操作1310可以由一或多個網路收發器390、一或多個處理器394、記憶體396及/或定位部件398執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。
在1320處,網路實體(例如,向UE、UE供應商、機器學習模型維護引擎等)發送指示機器學習模型至少在一或多個定位推斷時機期間推導一或多個定位估計態樣的效能的效能報告。在一個態樣,在網路實體是TRP的情況下,操作1320可以由一或多個WWAN收發器350、一或多個處理器384、記憶體386及/或定位部件388執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。在一個態樣,在網路實體是位置伺服器的情況下,操作1320可以由一或多個網路收發器390、一或多個處理器394、記憶體396及/或定位部件398執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。
將理解,方法1300的技術優點是向UE提供機器學習模型的效能回饋,從而使得UE能夠改進機器學習模型定位效能。
圖14圖示根據本案的態樣的無線通訊的實例方法1400。在一個態樣,方法1400可以由UE(例如,本文所描述的任何UE)執行。
在1410處,UE向位置伺服器發送提供能力訊息,該提供能力訊息指示UE能夠報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導。在一個態樣,操作1410可以由一或多個WWAN收發器310、一或多個處理器332、記憶體340及/或定位部件342執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。
在1420處,UE向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。在一個態樣,操作1420可以由一或多個WWAN收發器310、一或多個處理器332、記憶體340及/或定位部件342執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。
圖15圖示根據本案的態樣的無線通訊的實例方法1500。在一個態樣,方法1500可以由UE(例如,本文所描述的任何UE)執行。
在1510處,UE向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求位置伺服器配置UE來報告與定位估計相關聯的置信度度量,該定位估計由UE根據應用於UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導。在一個態樣,操作1510可以由一或多個WWAN收發器310、一或多個處理器332、記憶體340及/或定位部件342執行,它們中的任何一個或全部都可以被認為是用於執行該操作的部件。
在1520處,UE從位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置UE來至少報告置信度度量。在一個態樣,操作1520可以由一或多個WWAN收發器310、一或多個處理器332、記憶體340及/或定位部件342執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。
在1530處,UE向位置伺服器發送位置資訊訊息,該位置資訊訊息包括定位估計和置信度度量。在一個態樣,操作1530可以由一或多個WWAN收發器310、一或多個處理器332、記憶體340及/或定位部件342執行,它們中的任何一個或全部皆可以被認為是用於執行該操作的部件。
將理解,方法1400和1500的技術優勢是使得UE能夠基於機器學習模型來報告與定位估計相關聯的置信度度量。
在上面的詳細描述中,可以看出不同的特徵在實例中被群組在一起。這種揭示方式不應被理解為實例條款具有比每個條款中明確提到的更多的特徵的意圖。相反,本案的各個態樣可以包括少於所揭示的單獨的實例條款的所有特徵。因此,以下條款在此應被視為包含在說明書中,其中每個條款本身可以作為單獨的實例。儘管每個從屬條款可以在條款中指與其他條款中的一個條款的特定組合,但是該從屬條款的態樣不限於該特定組合。應理解,其他實例條款亦可以包括從屬條款態樣與任何其他從屬條款或獨立條款的主題的組合,或任何特徵與其他從屬和獨立條款的組合。本文所揭示的各個態樣明確地包括這些組合,除非顯式地表達或可以容易地推斷出不打算進行特定的組合(例如,矛盾的態樣,諸如將元件定義為電絕緣體和電導體)。此外,亦意欲條款的態樣可以被包括在任何其他獨立條款中,即使該條款不直接從屬於該獨立條款。
以下編號條款描述了實施方式實例:
條款1.一種由網路實體執行的通訊方法,包括:從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由該UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與網路節點之間的無線通道的一或多個量測;及發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的效能的效能報告。
條款2.根據條款1的方法,其中:週期性地或回應於事件觸發發送該效能報告,或者回應於該提供位置資訊訊息的接收發送該效能報告。
條款3.根據條款1至2中任一項的方法,其中:回應於接收到的複數個提供位置資訊訊息的數量高於閾值發送該效能報告,該效能報告指示該機器學習模型在推導在該複數個提供位置資訊訊息中接收的複數個定位估計態樣的效能,並且該複數個定位估計由該UE在該機器學習模型的複數個定位推斷時機期間推導。
條款4.根據條款3的方法,其中:該效能報告指示該複數個定位推斷時機的匯總統計,或者該效能報告指示該複數個定位推斷時機中的在時間訊窗內的定位推斷時機的匯總統計。
條款5.根據條款3至4中任一項的方法,其中該效能報告指示:該複數個定位推斷時機之每一者的定位推斷誤差,以及該定位推斷誤差的置信度。
條款6.根據條款3至5中任一項的方法,其中該效能報告指示的該複數個定位推斷時機中具有高於閾值的誤差的每個定位推斷時機的定位推斷誤差。
條款7.根據條款1至6中任一項的方法,其中該效能報告被發送到:該UE、UE供應商、機器學習模型維護引擎或其任何組合。
條款8.根據條款1至7中任一項的方法,其中該網路節點是:發送接收點(TRP)或第二UE。
條款9.根據條款1至8中任一項的方法,其中該網路實體是:位置伺服器或服務該UE的TRP。
條款10.根據條款1至9中任一項的方法,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款11.根據條款1至9中任一項的方法,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款12.一種由使用者設備(UE)執行的無線通訊方法,包括:向位置伺服器發送提供能力訊息,該提供能力訊息指示該UE能夠報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;及向該位置伺服器發送位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
條款13.根據條款12的方法,亦包括:從該位置伺服器接收請求能力訊息,該請求能力訊息請求該UE報告該UE是否能夠報告與定位估計相關聯的置信度度量。
條款14.根據條款12至13中任一項的方法,其中該提供能力訊息指示該置信度度量的類型和該置信度度量的格式。
條款15.根據條款14的方法,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款16.根據條款12至15中任一項的方法,其中該機器學習模型由該UE、UE供應商、網路實體或網路實體供應商產生。
條款17.根據條款12至16中任一項的方法,其中該網路節點是:發送接收點(TRP)或第二UE。
條款18.根據條款12至17中任一項的方法,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款19.根據條款12至17中任一項的方法,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款20.一種由使用者設備(UE)執行的無線通訊的方法,包括:向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求該位置伺服器配置該UE來報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;從該位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置該UE來至少報告該置信度度量;及向該位置伺服器發送位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
條款21.根據條款20的方法,其中該提供輔助資料訊息指示該置信度度量的類型和該置信度度量的格式。
條款22.根據條款21的方法,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款23.根據條款20至22中任一項的方法,其中該提供輔助資料訊息包括:觸發該UE報告該置信度度量的報告標誌、報告條件和報告數量。
條款24.根據條款23的方法,其中該報告條件是週期性的或事件觸發的。
條款25.根據條款23至24中任一項的方法,其中該報告數量包括:單個置信度度量值、一批置信度度量值、複數個置信度度量值的統計,或僅與大於閾值的誤差相關聯的定位估計的置信度度量值。
條款26.根據條款20至25中任一項的方法,其中該機器學習模型由網路實體產生。
條款27.根據條款20至26中任一項的方法,其中該網路節點是:發送接收點(TRP)或第二UE。
條款28.根據條款20至27中任一項的方法,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款29.根據條款20至27中任一項的方法,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款30.一種網路實體,包括:記憶體;至少一個收發器;及至少一個處理器,通訊地耦合到該記憶體和該至少一個收發器,該至少一個處理器被配置為:經由該至少一個收發器從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由該UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與網路節點之間的無線通道的一或多個量測;並且經由該至少一個收發器發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的效能的效能報告。
條款31.根據條款30的網路實體,其中:週期性地或回應於事件觸發發送該效能報告,或回應於該提供位置資訊訊息的接收發送該效能報告。
條款32.根據條款30至31中任一項的網路實體,其中:回應於接收到的複數個提供位置資訊訊息的數量高於閾值發送該效能報告,該效能報告指示該機器學習模型在推導在該複數個提供位置資訊訊息中接收的複數個定位估計態樣的效能,並且該複數個定位估計由該UE在該機器學習模型的複數個定位推斷時機期間推導。
條款33.根據條款32的網路實體,其中:該效能報告指示該複數個定位推斷時機的匯總統計,或者該效能報告指示該複數個定位推斷時機的在時間訊窗內的定位推斷時機的匯總統計。
條款34.根據條款32至33中任一項的網路實體,其中該效能報告指示:該複數個定位推斷時機之每一者的定位推斷誤差,以及該定位推斷誤差的置信度。
條款35.根據條款32至34中任一項的網路實體,其中該效能報告指示該複數個定位推斷時機中具有高於閾值的誤差的每個定位推斷時機的定位推斷誤差。
條款36.根據條款30至35中任一項的網路實體,其中該效能報告被發送到:該UE、UE供應商、機器學習模型維護引擎或其任何組合。
條款37.根據條款30至36中任一項的網路實體,其中該網路節點是:發送接收點(TRP)或第二UE。
條款38.根據條款30至37中任一項的網路實體,其中該網路實體是:位置伺服器或服務該UE的TRP。
條款39.根據條款30至38中任一項的網路實體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款40.根據條款30至38中任一項的網路實體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款41.一種使用者設備(UE),包括:記憶體;至少一個收發器;及至少一個處理器,通訊地耦合到該記憶體和該至少一個收發器,該至少一個處理器被配置為:經由該至少一個收發器向位置伺服器發送提供能力訊息,該提供能力訊息指示該UE能夠報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;並且經由該至少一個收發器向該位置伺服器發送位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
條款42.根據條款41的UE,其中該至少一個處理器亦被配置為:經由該至少一個收發器從該位置伺服器接收請求能力訊息,該請求能力訊息請求該UE報告該UE是否能夠報告與定位估計相關聯的置信度度量。
條款43.根據條款41至42中任一項的UE,其中該提供能力訊息指示該置信度度量的類型和該置信度度量的格式。
條款44.根據條款43的UE,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款45.根據條款41至44中任一項的UE,其中該機器學習模型由該UE、UE供應商、網路實體或網路實體供應商產生。
條款46.根據條款41至45中任一項的UE,其中該網路節點是:發送接收點(TRP)或第二UE。
條款47.根據條款41至46中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款48.根據條款41至46中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款49.一種使用者設備(UE),包括:記憶體;至少一個收發器;及至少一個處理器,通訊地耦合到該記憶體和該至少一個收發器,該至少一個處理器被配置為:經由該至少一個收發器向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求該位置伺服器配置該UE來報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;經由該至少一個收發器從該位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置該UE來至少報告該置信度度量;及經由該至少一個收發器向該位置伺服器發送位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
條款50.根據條款49的UE,其中該提供輔助資料訊息指示該置信度度量的類型和該置信度度量的格式。
條款51.根據條款50的UE,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款52.根據條款49至51中任一項的UE,其中該提供輔助資料訊息包括:觸發該UE報告該置信度度量的報告標誌、報告條件和報告數量。
條款53.根據條款52的UE,其中該報告條件是週期性的或事件觸發的。
條款54.根據條款52至53中任一項的UE,其中該報告數量包括:單個置信度度量值、一批置信度度量值、複數個置信度度量值的統計,或僅與大於閾值的誤差相關聯的定位估計的置信度度量值。
條款55.根據條款49至54中任一項的UE,其中該機器學習模型由網路實體產生。
條款56.根據條款49至55中任一項的UE,其中該網路節點是:發送接收點(TRP)或第二UE。
條款57.根據條款49至56中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款58.根據條款49至56中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款59.一種網路實體,包括:用於從使用者設備(UE)接收提供位置資訊訊息的部件,該提供位置資訊訊息包括由該UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與網路節點之間的無線通道的一或多個量測;及用於發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的效能的效能報告的部件。
條款60.根據條款59的網路實體,其中:定期地或回應於事件觸發發送該效能報告,或者回應於提供該位置資訊訊息的接收發送該效能報告。
條款61.根據條款59至60中任一項的網路實體,其中:回應於接收到的複數個提供位置資訊訊息的數量高於閾值發送該效能報告,該效能報告指示該機器學習模型在推導在該複數個提供位置資訊訊息中接收的複數個定位估計態樣的效能,以及該複數個定位估計由該UE在該機器學習模型的複數個定位推斷時機期間推導。
條款62.根據條款61的網路實體,其中:該效能報告指示該複數個定位推斷時機的匯總統計,或者該效能報告指示該複數個定位推斷時機中的在時間訊窗內的定位推斷時機的匯總統計。
條款63.根據條款61至62中任一項的網路實體,其中該效能報告指示:該複數個定位推斷時機之每一者的定位推斷誤差,以及該定位推斷誤差的置信度。
條款64.根據條款61至63中任一項的網路實體,其中該效能報告指示該複數個定位推斷時機中具有高於閾值的誤差的每個定位推斷時機的定位推斷誤差。
條款65.根據條款59至64中任一項的網路實體,其中該效能報告被發送到:該UE、UE供應商、機器學習模型維護引擎或其任何組合。
條款66.根據條款59至65中任一項的網路實體,其中該網路節點是:發送接收點(TRP)或第二UE。
條款67.根據條款59至66中任一項的網路實體,其中該網路實體是:位置伺服器或服務該UE的TRP。
條款68.根據條款59至67中任一項的網路實體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款69.根據條款59至67中任一項的網路實體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款70.一種使用者設備(UE),包括:用於向位置伺服器發送提供能力訊息的部件,該提供能力訊息指示該UE能夠報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;及用於向該位置伺服器發送位置資訊訊息的部件,該位置資訊訊息包括該定位估計和該置信度度量。
條款71.根據條款70的UE,亦包括:用於從該位置伺服器接收請求能力訊息的部件,該請求能力訊息請求該UE報告該UE是否能夠報告與定位估計相關聯的置信度度量。
條款72.根據條款70至71中任一項的UE,其中該提供能力訊息指示該置信度度量的類型和該置信度度量的格式。
條款73.根據條款72的UE,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款74.根據條款70至73中任一項的UE,其中該機器學習模型由該UE、UE供應商、網路實體或網路實體供應商產生。
條款75.根據條款70至74中任一項的UE,其中該網路節點是:發送接收點(TRP)或第二UE。
條款76.根據條款70至75中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款77.根據條款70至75中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款78.一種使用者設備(UE),包括:用於向位置伺服器發送請求輔助資料訊息的部件,該請求輔助資料訊息請求該位置伺服器配置該UE來報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;用於從位置伺服器接收提供輔助資料訊息的部件,該提供輔助資料訊息配置該UE來至少報告該置信度度量;及用於向該位置伺服器發送位置資訊訊息的部件,該位置資訊訊息包括該定位估計和該置信度度量。
條款79.根據條款78的UE,其中該提供輔助資料訊息指示該置信度度量的類型和該置信度度量的格式。
條款80.根據條款79的UE,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款81.根據條款78至80中任一項的UE,其中該提供輔助資料訊息包括:觸發該UE報告該置信度度量的報告標誌、報告條件和報告數量。
條款82.根據條款81的UE,其中該報告條件是週期性的或事件觸發的。
條款83.根據條款81至82中任一項的UE,其中該報告數量包括:單個置信度度量值、一批置信度度量值、複數個置信度度量值的統計,或僅與大於閾值的誤差相關聯的定位估計的置信度度量值。
條款84.根據條款78至83中任一項的UE,其中該機器學習模型由網路實體產生。
條款85.根據條款78至84中任一項的UE,其中該網路節點是:發送接收點(TRP)或第二UE。
條款86.根據條款78至85中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款87.根據條款78至85中任一項的UE,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款88.一種儲存電腦可執行指令的非暫時性電腦可讀取媒體,該電腦可執行指令在由網路實體執行時使該網路實體:從使用者設備(UE)接收提供位置資訊訊息,該提供位置資訊訊息包括由該UE在機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與網路節點之間的無線通道的一或多個量測;並且發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的效能的效能報告。
條款89.根據條款88的非暫時性電腦可讀取媒體,其中:週期性地或回應於事件觸發發送該效能報告,或回應於該提供位置資訊訊息的接收發送該效能報告。
條款90.根據條款88至89中任一項的非暫時性電腦可讀取媒體,其中:回應於接收到的複數個提供位置資訊訊息的數量高於閾值發送該效能報告,該效能報告指示該機器學習模型在推導在該複數個提供位置資訊訊息中接收的複數個定位估計態樣的效能,並且該複數個定位估計由該UE在該機器學習模型的複數個定位推斷時機期間推導。
條款91.根據條款90的非暫時性電腦可讀取媒體,其中:該效能報告指示該複數個定位推斷時機的匯總統計,或者該效能報告指示該複數個定位推斷時機中的在時間訊窗內的定位推斷時機的匯總統計。
條款92.根據條款90至91中任一項的非暫時性電腦可讀取媒體,其中該效能報告指示:該複數個定位推斷時機之每一者的定位推斷誤差,以及該定位推斷誤差的置信度。
條款93.根據條款90至92中任一項的非暫時性電腦可讀取媒體,其中該效能報告指示該複數個定位推斷時機中具有高於閾值的誤差的每個定位推斷時機的定位推斷誤差。
條款94.根據條款88至93中任一項的非暫時性電腦可讀取媒體,其中該效能報告被發送到:該UE、UE供應商、機器學習模型維護引擎或其任何組合。
條款95.根據條款88至94中任一項的非暫時性電腦可讀取媒體,其中該網路節點是:發送接收點(TRP)或第二UE。
條款96.根據條款88至95中任一項的非暫時性電腦可讀取媒體,其中該網路實體是:位置伺服器或服務該UE的TRP。
條款97.根據條款88至96中任一項的非暫時性電腦可讀取媒體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款98.根據條款88至96中任一項的非暫時性電腦可讀取媒體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款99.一種儲存電腦可執行指令的非暫時性電腦可讀取媒體,該電腦可執行指令在由使用者設備(UE)執行時使該UE:向位置伺服器發送提供能力訊息,該提供能力訊息指示該UE能夠報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;並且向該位置伺服器發送位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
條款100.根據條款99的非暫時性電腦可讀取媒體,亦包括電腦可執行指令,該電腦可執行指令在由該UE執行時使該UE:從該位置伺服器接收請求能力訊息,該請求能力訊息請求該UE報告該UE是否能夠報告與定位估計相關聯的置信度度量。
條款101.根據條款99至100中任一項的非暫時性電腦可讀取媒體,其中該提供能力訊息指示該置信度度量的類型和該置信度度量的格式。
條款102.根據條款101的非暫時性電腦可讀取媒體,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款103.根據條款99至102中任一項的非暫時性電腦可讀取媒體,其中該機器學習模型由該UE、UE供應商、網路實體或網路實體供應商產生。
條款104.根據條款99至103中任一項的非暫時性電腦可讀取媒體,其中該網路節點是:發送接收點(TRP)或第二UE。
條款105.根據條款99至104中任一項的非暫時性電腦可讀取媒體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款106.根據條款99至104中任一項的非暫時性電腦可讀取媒體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
條款107.一種儲存電腦可執行指令的非暫時性電腦可讀取媒體,該電腦可執行指令在由使用者設備(UE)執行時使該UE:向位置伺服器發送請求輔助資料訊息,該請求輔助資料訊息請求位置伺服器配置該UE來報告與定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與網路節點之間的無線通道的一或多個量測的機器學習模型推導;從該位置伺服器接收提供輔助資料訊息,該提供輔助資料訊息配置該UE來至少報告該置信度度量;並且向該位置伺服器發送位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
條款108.根據條款107的非暫時性電腦可讀取媒體,其中該提供輔助資料訊息指示該置信度度量的類型和該置信度度量的格式。
條款109.根據條款108的非暫時性電腦可讀取媒體,其中該置信度度量的類型包括:包括該定位估計的複數個定位估計的平均值的置信區間,或該定位估計的逆協方差。
條款110.根據條款107至109中任一項的非暫時性電腦可讀取媒體,其中該提供輔助資料訊息包括:觸發該UE報告該置信度度量的報告標誌、報告條件和報告數量。
條款111.根據條款110的非暫時性電腦可讀取媒體,其中該報告條件是週期性的或事件觸發的。
條款112.根據條款110至111中任一項的非暫時性電腦可讀取媒體,其中該報告數量包括:單個置信度度量值、一批置信度度量值、複數個置信度度量值的統計,或僅與大於閾值的誤差相關聯的定位估計的置信度度量值。
條款113.根據條款107至112中任一項的非暫時性電腦可讀取媒體,其中該機器學習模型由網路實體產生。
條款114.根據條款107至113中任一項的非暫時性電腦可讀取媒體,其中該網路節點是:發送接收點(TRP)或第二UE。
條款115.根據條款107至114中任一項的非暫時性電腦可讀取媒體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且該一或多個定位估計包括該UE的一或多個地理位置估計。
條款116.根據條款107至114中任一項的非暫時性電腦可讀取媒體,其中:該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
本發明所屬領域中具有通常知識者將理解,資訊和訊號可以使用各種不同的技術和製程中的任何一種來表示。例如,在整個以上描述中引用的資料、指令、命令、資訊、訊號、位元、符號和碼片可以由電壓、電流、電磁波、磁場或磁粒子、光場或光粒子或其任何組合來表示。
此外,本發明所屬領域中具有通常知識者將理解,結合本文所揭示的態樣描述的各種說明性邏輯區塊、模組、電路和演算法步驟可以被實施為電子硬體、電腦軟體,或兩者的組合。為了清楚地說明硬體和軟體的這種可互換性,各種說明性的部件、方塊、模組、電路和步驟已經在上面根據它們的功能進行了一般描述。此類功能實施為硬體還是軟體取決於特定的應用和對整個系統的設計限制。技藝人士可以針對每個特定應用以不同的方式實施所描述的功能,但是此類實施方式決策不應被解釋為導致脫離本案的範疇。
結合本文所揭示的態樣描述的各種示例性邏輯區塊、模組和電路可以用設計成執行本文所描述的功能的通用處理器、數位訊號處理器(DSP)、ASIC、現場可程式設計閘陣列(FPGA)或其他可程式設計邏輯裝置、個別閘門或電晶體邏輯、個別硬體部件或其任何組合來實施或執行。通用處理器可以是微處理器,但是可替代的,處理器可以是任何傳統的處理器、控制器、微控制器或狀態機。處理器亦可以被實施為計算設備的組合,例如,DSP和微處理器的組合、複數個微處理器、一或多個微處理器與DSP核心的結合,或任何其他此類配置。
結合本文所揭示的態樣描述的方法、序列及/或演算法可以直接以硬體、由處理器執行的軟體模組,或兩者的組合體現。軟體模組可以位於隨機存取記憶體(RAM)、快閃記憶體、唯讀記憶體(ROM)、可抹除可程式設計ROM(EPROM)、電子可抹除可程式設計ROM(EEPROM)、暫存器、硬碟、抽取式磁碟、CD-ROM或本領域已知的任何其他形式的儲存媒體中。實例儲存媒體耦合到處理器,使得處理器可以從該儲存媒體讀取資訊,以及向該儲存媒體寫入資訊。在替代方案中,儲存媒體可以整合到處理器中。處理器和儲存媒體可以位於ASIC中。ASIC可以位於使用者終端(例如UE)中。在替代方案中,處理器和儲存媒體可以作為個別部件位於使用者終端中。
在一或多個實例態樣中,所描述的功能可以用硬體、軟體、韌體或其任何組合來實施。若經由軟體實施,則這些功能可以作為電腦可讀取媒體中的一或多個指令或代碼儲存或發送。電腦可讀取媒體包括電腦儲存媒體和通訊媒體,通訊媒體包括便於將電腦程式從一個地方傳遞到另一地方的任何媒體。儲存媒體可以是可以由電腦存取的任何可用媒體。作為實例而非限制,此類電腦可讀取媒體可以包括RAM、ROM、EEPROM、CD-ROM或其他光碟記憶體、磁碟記憶體或其他磁存放裝置,或可以用於以指令或資料結構的形式攜帶或儲存期望的程式碼並且可以由電腦存取的任何其他媒體。此外,任何連接皆被恰當地稱為電腦可讀取媒體。例如,若軟體是使用同軸電纜、光纖電纜、雙絞線、數位用戶線路(DSL)或無線技術(諸如紅外線、無線電和微波)從網站、伺服器或其他遠端源發送的,則同軸電纜、光纖電纜、雙絞線、DSL或無線技術(諸如紅外線、無線電和微波)皆包括在媒體的定義中。如本文所使用的,磁碟和光碟包括壓縮光碟(CD)、鐳射光碟、光碟、數位多功能光碟(DVD)、軟碟和藍光光碟,其中磁碟通常磁性地再現資料,而光碟用鐳射光學地再現資料。以上的組合亦應包括在電腦可讀取媒體的範疇內。
儘管上述揭示內容圖示本案的說明性態樣,但是應說明的是,在不脫離由所附請求項限定的本案的範疇的情況下,可以對本文進行各種改變和修改。根據本文所描述的揭示內容的態樣的方法請求項的功能、步驟及/或動作不需要以任何特定的順序來執行。此外,儘管可以單數形式描述或申明本案的元素,但是除非明確聲明限於單數形式,否則複數形式亦是可以預期的。
100:無線通訊系統
102:基地台
102':小細胞基地台
104:UE
110:地理覆蓋區域
110':覆蓋區域
112:地球軌道航天器(SV)
120:通訊鏈路
122:回載鏈路
124:訊號
128:直接連接
134:回載鏈路
152:WLAN站(STA)
154:通訊鏈路
160:無線側鏈路
164:UE
170:核心網路
172:位置伺服器
180:毫米波(mmW)基地台
182:UE
184:mmW通訊鏈路
190:UE
192:D2D P2P鏈路
194:D2D P2P鏈路
200:無線網路結構
204:UE
210:5GC
212:使用者平面(U平面)功能
213:使用者平面介面(NG-U)
214:控制平面功能
215:NG-C
220:下一代RAN(NG-RAN)
222:gNB
223:回載連接
224:ng-eNB
226:gNB中央單元(gNB-CU)
228:gNB-DU
229:gNB-R
230:位置伺服器
232:介面
240:無線網路結構
250:分解基地台架構
255:服務管理和協調(SMO)框架
257:非即時(非RT)RIC
260:5GC
261:開放式eNB(O-eNB)
262:使用者平面功能(UPF)
263:使用者平面介面
264:AMF
265:控制平面介面
267:核心網路
269:開放雲端(O-Cloud)
270:LMF
272:SLP
274:協力廠商伺服器
280:中央單元(CU)
285:分散式單元(DU)
287:無線電單元(RU)
302:UE
304:基地台
306:網路實體
310:無線廣域網路(WWAN)收發器
312:接收器
314:發送器
316:天線
318:訊號
320:短程無線收發器
322:接收器
324:發送器
326:天線
328:訊號
330:衛星訊號接收器
332:衛星訊號接收器
334:資料匯流排
336:天線
338:衛星定位/通訊訊號
340:記憶體
342:定位部件
344:感測器
346:使用者介面
350:無線廣域網路(WWAN)收發器
352:接收器
354:發送器
356:天線
358:訊號
360:短程無線收發器
362:接收器
364:發送器
366:天線
368:訊號
370:衛星訊號接收器
376:天線
378:衛星定位/通訊訊號
380:網路收發器
382:資料匯流排
384:衛星訊號接收器
386:記憶體
388:定位部件
390:網路收發器
392:資料匯流排
394:衛星訊號接收器
396:記憶體
398:定位部件
400:示意圖
410:應用程式
412:回檔
420:應用程式服務
422a:微服務
422b:微服務
424a:API
424b:API
424c:API
426a:回檔
426b:回檔
426c:回檔
430:作業系統
432a:定位子系統
432b:定位子系統
434a:API
434b:API
436a:回檔
436b:回檔
440:硬體
442a:衛星訊號接收器
442b:WWAN收發器
442c:短程無線收發器
444a:API
444b:API
444c:API
510:場景
520:場景
530:場景
540:場景
600:能力傳輸程序
610:能力指示程序
630:輔助資料傳輸程序
640:輔助資料傳遞程序
650:位置資訊傳輸程序
660:位置資訊傳遞程序
700:示意圖
800:圖
900:神經網路
1000:示意圖
1100:示意圖
1200:示意圖
1300:方法
1310:方塊
1320:方塊
1400:方法
1410:方塊
1420:方塊
1500:方法
1510:方塊
1520:方塊
1530:方塊
A1:介面
AoA1:到達角度
AoA2:到達角度
AoD1:離開角
AoD2:離開角
E2:鏈路
h1:隱藏層
h2:隱藏層
h3:隱藏層
LOS:視距
N2:介面
N3:介面
NLOS:非視距
i:輸入層
o:輸出層
O1:介面
O2:介面
RB:時間併發資源區塊
RS:參考(引導頻)訊號
RTT1:多往返時間
RTT2:多往返時間
RTT3:多往返時間
Xn-C:介面
附圖被呈現用於幫助描述本案的各個態樣,並且僅僅用於說明這些態樣而不是對其進行限制而被提供。
圖1圖示根據本案的態樣的實例無線通訊系統。
圖2A、圖2B和圖2C圖示根據本案的態樣的實例無線網路結構。
圖3A、圖3B和圖3C是可以分別在使用者設備(UE)、基地台和網路實體中使用並且被配置為支援本文所教導的通訊的組件的若干實例態樣的簡化方塊圖。
圖4是示出根據本案的態樣的使用各種應用程式設計發展介面(API)的應用程式、應用程式服務、作業系統(OS)和硬體之間的實例互動的示意圖。
圖5圖示根據本案的態樣的在新無線電(NR)中支援的各種定位方法的實例。
圖6A圖示長期進化(LTE)定位協定(LPP)目前支援的用於與網路交換UE定位能力的兩個程序。
圖6B圖示LPP目前支援的用於交換定位輔助資料的兩個程序。
圖6C圖示LPP目前支援的用於交換位置資訊的兩個程序。
圖7是示出根據本案的態樣的實例訊框結構的示意圖。
圖8是表示根據本案的態樣的射頻(RF)通道估計的圖。
圖9圖示根據本案的態樣的實例神經網路。
圖10是示出根據本案的態樣的將機器學習模型用於基於RF指紋(RFFP)的定位的示意圖。
圖11是示出根據本案的態樣的下行鏈路RFFP(DL-RFFP)機器學習模型效能監控的基於網路的報告的示意圖。
圖12是示出根據本案的態樣的UE報告基於DL-RFFP機器學習模型的定位估計的置信度度量的示意圖。
圖13至圖15圖示根據本案的態樣的無線通訊的實例方法。
國內寄存資訊(請依寄存機構、日期、號碼順序註記)
無
國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記)
無
1300:方法
1310:方塊
1320:方塊
Claims (30)
- 一種由一網路實體執行的通訊的方法,包括以下步骤: 從一使用者設備(UE)接收一提供位置資訊訊息,該提供位置資訊訊息包括由該UE在一機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與一網路節點之間的無線通道的一或多個量測;及 發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的一效能的一效能報告。
- 根據請求項1之方法,其中: 週期性地或回應於一事件觸發發送該效能報告,或 回應於該提供位置資訊訊息的接收發送該效能報告。
- 根據請求項1之方法,其中: 回應於接收到的複數個提供位置資訊訊息的一數量高於一閾值發送該效能報告, 該效能報告指示該機器學習模型在推導在該複數個提供位置資訊訊息中接收的複數個定位估計態樣的效能,以及 該複數個定位估計由該UE在該機器學習模型的複數個定位推斷時機期間推導。
- 根據請求項3之方法,其中: 該效能報告指示該複數個定位推斷時機的匯總統計,或 該效能報告指示該複數個定位推斷時機中在一時間訊窗內的定位推斷時機的匯總統計。
- 根據請求項3之方法,其中該效能報告指示: 該複數個定位推斷時機之每一者的一定位推斷誤差,以及 該定位推斷誤差的一置信度。
- 根據請求項3之方法,其中該效能報告指示該複數個定位推斷時機中具有高於一閾值的一誤差的每個定位推斷時機的一定位推斷誤差。
- 根據請求項1之方法,其中該效能報告被發送到: 該UE, 一UE供應商, 一機器學習模型維護引擎,或 其任何組合。
- 根據請求項1之方法,其中該網路節點是: 一發送接收點(TRP),或 一第二UE。
- 根據請求項1之方法,其中該網路實體是: 一位置伺服器,或 服務該UE的一TRP。
- 根據請求項1之方法,其中: 該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且 該一或多個定位估計包括該UE的一或多個地理位置估計。
- 根據請求項1之方法,其中: 該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且 該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
- 一種由一使用者設備(UE)執行的無線通訊的方法,包括以下步骤: 向一位置伺服器發送一提供能力訊息,該提供能力訊息指示該UE能夠報告與一定位估計相關聯的一置信度度量,該定位估計由該UE根據應用於該UE與一網路節點之間的一無線通道的一或多個量測的一機器學習模型推導;及 向該位置伺服器發送一位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
- 根據請求項12之方法,亦包括以下步骤: 從該位置伺服器接收一請求能力訊息,該請求能力訊息請求該UE報告該UE是否能夠報告與定位估計相關聯的置信度度量。
- 根據請求項12之方法,其中該提供能力訊息指示該置信度度量的一類型和該置信度度量的一格式。
- 根據請求項14之方法,其中該置信度度量的該類型包括以下步驟: 包括該定位估計的複數個定位估計的平均值的一置信區間,或 該定位估計的一逆協方差。
- 根據請求項12之方法,其中該機器學習模型由以下各項產生: 該UE, 一UE供應商, 一網路實體,或 一網路實體供應商。
- 根據請求項12之方法,其中該網路節點是: 一發送接收點(TRP),或 一第二UE。
- 根據請求項12之方法,其中: 該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,以及 該一或多個定位估計包括該UE的一或多個地理位置估計。
- 根據請求項12之方法,其中: 該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且 該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
- 一種由一使用者設備(UE)執行的無線通訊的方法,包括以下步驟: 向一位置伺服器發送一請求輔助資料訊息,該請求輔助資料訊息請求該位置伺服器配置該UE來報告與一定位估計相關聯的置信度度量,該定位估計由該UE根據應用於該UE與一網路節點之間的一無線通道的一或多個量測的一機器學習模型推導; 從該位置伺服器接收一提供輔助資料訊息,該提供輔助資料訊息配置該UE來至少報告該置信度度量;及 向該位置伺服器發送一位置資訊訊息,該位置資訊訊息包括該定位估計和該置信度度量。
- 根據請求項20之方法,其中該提供輔助資料訊息指示該置信度度量的一類型和該置信度度量的一格式。
- 根據請求項21之方法,其中該置信度度量的該類型包括以下步驟: 包括該定位估計的複數個定位估計的一平均值的一置信區間,或 該定位估計的一逆協方差。
- 根據請求項20之方法,其中該提供輔助資料訊息包括以下步驟: 觸發該UE報告該置信度度量的一報告標誌, 一報告條件,以及 一報告數量。
- 根據請求項23之方法,其中該報告條件是週期性的或事件觸發的。
- 根據請求項23之方法,其中該報告數量包括: 一單個置信度度量值, 一批置信度度量值, 複數個置信度度量值的統計,或 僅與大於一閾值的一誤差相關聯的定位估計的置信度度量值。
- 根據請求項20之方法,其中該機器學習模型由一網路實體產生。
- 根據請求項20之方法,其中該網路節點是: 一發送接收點(TRP),或 一第二UE。
- 根據請求項20之方法,其中: 該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個定位量測、一或多個射頻指紋(RFFP)量測或兩者,並且 該一或多個定位估計包括該UE的一或多個地理位置估計。
- 根據請求項20之方法,其中: 該一或多個量測包括該UE與該網路節點之間的該無線通道的一或多個射頻指紋(RFFP)量測,並且 該一或多個定位估計包括該UE與該網路節點之間的該無線通道的一或多個定位量測。
- 一種網路實體,包括: 一記憶體; 至少一個收發器;及 至少一個處理器,通訊地耦合到該記憶體和該至少一個收發器,該至少一個處理器被配置為: 經由該至少一個收發器從一使用者設備(UE)接收一提供位置資訊訊息,該提供位置資訊訊息包括由該UE在一機器學習模型的一或多個定位推斷時機期間推導的一或多個定位估計,其中該機器學習模型在該一或多個定位推斷時機之每一者期間被應用於該UE與一網路節點之間的一無線通道的一或多個量測;並且 經由該至少一個收發器發送指示該機器學習模型至少在該一或多個定位推斷時機期間推導該一或多個定位估計態樣的一效能的一效能報告。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202263363929P | 2022-04-29 | 2022-04-29 | |
US63/363,929 | 2022-04-29 | ||
US18/188,638 | 2023-03-23 | ||
US18/188,638 US20230354247A1 (en) | 2022-04-29 | 2023-03-23 | Machine learning model positioning performance monitoring and reporting |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202348066A true TW202348066A (zh) | 2023-12-01 |
Family
ID=88511971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112111174A TW202348066A (zh) | 2022-04-29 | 2023-03-24 | 機器學習模型定位效能監控和報告 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230354247A1 (zh) |
TW (1) | TW202348066A (zh) |
-
2023
- 2023-03-23 US US18/188,638 patent/US20230354247A1/en active Pending
- 2023-03-24 TW TW112111174A patent/TW202348066A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
US20230354247A1 (en) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202147887A (zh) | 隨選定位參考訊號及每一頻帶部署態樣 | |
TW202348064A (zh) | 利用下行鏈路定位參考信號的基於用戶設備的射頻指紋定位 | |
TW202348069A (zh) | 網路輔助並且基於往返射頻指紋(rffp)的定位估計 | |
TW202348063A (zh) | 利用下行鏈路定位參考訊號的基於用戶設備(ue)的射頻指紋(rffp)定位 | |
TW202348066A (zh) | 機器學習模型定位效能監控和報告 | |
US20240230828A9 (en) | Positioning model training based on radio frequency fingerprint positioning (rffp) measurements corresponding to position displacements | |
US20240133995A1 (en) | Positioning model training based on radio frequency fingerprint positioning (rffp) measurements corresponding to position displacements | |
US20230354254A1 (en) | Measurement error feedback to enable machine learning-based positioning | |
US20240019528A1 (en) | Positioning model failure detection | |
US20240129879A1 (en) | Bandwidth aggregation for radio frequency fingerprint positioning | |
US20240036146A1 (en) | User equipment (ue) handling of delayed sounding reference signal (srs) configuration for downlink-and-uplink-based positioning methods | |
US20240073855A1 (en) | Node configuration for positioning model monitoring | |
US20240037441A1 (en) | Node selection for radio frequency fingerprint (rffp) federated learning | |
TW202412547A (zh) | 定位模型編碼點配置 | |
WO2023211604A1 (en) | Machine learning model positioning performance monitoring and reporting | |
TW202349992A (zh) | 用於基於機器學習的定位用量測的報告框架 | |
TW202404399A (zh) | 定位模型報告 | |
TW202410724A (zh) | 基於自射頻指紋(self-rffp)的網路定位 | |
TW202408289A (zh) | 兩部分定位參考信號 | |
TW202408288A (zh) | 用於定位參考訊號(prs)靜音的排程限制間隔 | |
TW202404384A (zh) | 基於連接智慧邊緣(cie)的定位過程 | |
TW202348067A (zh) | 基於到達頻率差的定位 | |
KR20240069726A (ko) | 포지셔닝을 위한 후-측정 보조 데이터 | |
TW202348068A (zh) | 用於非陸地網路定位參考訊號的頻域搜尋訊窗 | |
TW202415117A (zh) | 載波相位量測輔助位置估計 |