TWI770540B - 用於天線切換分集的動態閥值 - Google Patents

用於天線切換分集的動態閥值 Download PDF

Info

Publication number
TWI770540B
TWI770540B TW109121309A TW109121309A TWI770540B TW I770540 B TWI770540 B TW I770540B TW 109121309 A TW109121309 A TW 109121309A TW 109121309 A TW109121309 A TW 109121309A TW I770540 B TWI770540 B TW I770540B
Authority
TW
Taiwan
Prior art keywords
antenna
threshold
antennas
neural network
measurement
Prior art date
Application number
TW109121309A
Other languages
English (en)
Other versions
TW202105931A (zh
Inventor
迪亞哥 卡爾佐拉里
佩曼 西沙米
托馬斯 加爾維斯桑泰利亞
木斯塔法 薩蘭
Original Assignee
美商高通公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商高通公司 filed Critical 美商高通公司
Publication of TW202105931A publication Critical patent/TW202105931A/zh
Application granted granted Critical
Publication of TWI770540B publication Critical patent/TWI770540B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0404—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas the mobile station comprising multiple antennas, e.g. to provide uplink diversity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0602—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using antenna switching
    • H04B7/0608—Antenna selection according to transmission parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0802—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using antenna selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0802—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using antenna selection
    • H04B7/0805—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using antenna selection with single receiver and antenna switching
    • H04B7/0814—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using antenna selection with single receiver and antenna switching based on current reception conditions, e.g. switching to different antenna when signal level is below threshold
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/245—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting

Abstract

描述了用於無線通訊的方法、系統和設備。在一些系統中，使用者設備（UE）實現用於天線切換的動態閥值。與靜態閥值相比，動態閥值可以改善UE使用「最優」天線（例如，具有最高參考信號接收功率（RSRP）的天線）進行操作的時間百分比。例如，UE使用第一天線與另一設備進行通訊。UE追蹤針對第一天線的當前通訊量測值（例如，RSRP值），並且基於該量測來執行天線切換測試。對於該測試，UE可以基於機器學習代理來更新用於天線切換的動態閥值，其中該代理可以包括決定經更新的動態閥值的神經網路。UE執行與動態閥值的比較，以決定是否切換操作天線。

Description

用於天線切換分集的動態閥值
本專利申請案主張享受於2019年6月27日提出申請的、名稱為「DYNAMIC THRESHOLDS FOR ANTENNA SWITCHING DIVERSITY（用於天線切換分集的動態閥值）」的申請案16/455,460號的權益和優先權，上述申請案被轉讓給本案的受讓人，並且據此經由引用的方式將上述申請案明確地併入本文中。
概括而言，下文係關於無線通訊，並且更具體地，下文係關於用於天線切換分集（ASDIV）的改進的閥值。
無線通訊系統被廣泛地部署以提供諸如語音、視訊、封包資料、訊息傳遞、廣播等各種類型的通訊內容。這些系統能夠經由共享可用的系統資源（例如，時間、頻率和功率）來支援與多個使用者的通訊。此類多工存取系統的實例包括第四代（4G）系統（例如，長期進化（LTE）系統、改進的LTE（LTE-A）系統或LTE-A專業系統）和第五代（5G）系統（其可以被稱為新無線電（NR）系統）。這些系統可以採用諸如以下各項的技術：分碼多工存取（CDMA）、分時多工存取（TDMA）、分頻多工存取（FDMA）、正交分頻多工存取（OFDMA）或者離散傅裡葉變換展頻正交分頻多工（DFT-S-OFDM）。無線多工存取通訊系統可以包括多個基地台或網路存取節點，每個基地台或網路存取節點同時支援針對多個通訊設備（其可以另外被稱為使用者設備（UE））的通訊。
一些UE可以實現ASDIV特徵以從在一個天線上進行操作切換到在另一天線上進行操作。例如，UE可以包括用於通訊的多個天線（例如，兩個天線、四個天線等），並且可以使用活動天線（例如，在上行鏈路上、在下行鏈路上、或在兩者上）進行操作。在一些情況下，基於針對活動天線的當前量測，UE可以切換為使用不同的天線進行操作。天線切換可以允許UE支援無線通訊系統中的可靠傳輸。
所描述的技術涉及支援用於天線切換分集（ASDIV）的動態閥值的改進的方法、系統、設備和裝置。概括而言，所描述的技術經由基於動態閥值來切換操作天線，從而提供可靠的通訊。與靜態閥值相比，動態閥值可以提高設備（諸如使用者設備（UE））使用「最優」天線（例如，具有最高參考信號接收功率（RSRP）的天線、使用最小發射功率的天線等）進行操作的時間百分比，同時減少天線切換的數量。例如，UE可以使用天線集合中的第一天線與另一無線設備（例如，另一UE、基地台等）進行通訊。UE可以追蹤針對第一天線的通訊量測（例如，RSRP值、發射功率等），並且可以基於當前通訊量測來執行天線切換測試。對於天線切換測試，UE可以基於機器學習代理單元來更新動態閥值。機器學習代理單元可以是特定於UE的使用者、UE、UE的類型、晶片組或這些的某種組合來訓練的，並且機器學習代理單元可以包括用於決定經更新的動態閥值的神經網路。UE可以執行與動態閥值的比較，並且基於該比較來決定是否切換操作天線。
在一些無線通訊系統中，諸如使用者設備（UE）之類的無線設備可以實現天線切換以支援可靠的通訊。例如，UE可以包括天線切換分集（ASDIV）特徵，以控制從在UE的第一天線上操作到在UE的第二天線上操作的切換。在一些情況下，UE可以決定針對一或多個天線的一或多個當前通訊量測，並且可以基於當前通訊量測來決定是否切換活動天線。在第一種情況下，UE可以基於針對UE處的天線集合的參考信號接收功率（RSRP）來決定是否切換活動天線。在第二種情況下，UE可以基於用於經由活動天線進行的傳輸的發射功率來決定是否切換活動天線。UE處的天線切換決策可以是基於天線切換閥值的。
一些UE可以實現用於天線切換的靜態閥值。例如，UE可以被配置有靜態閥值，並且每個UE可以將當前通訊量測與相應的靜態閥值進行比較。在一個實例中，UE可以將兩個天線的RSRP值的差與靜態閥值進行比較，並且若該差大於或等於靜態閥值（例如，在活動天線的RSRP顯著地小於UE的另一天線的RSRP的情況下），則UE可以切換活動天線。然而，可以選擇靜態閥值以支援特定的用例及/或環境，而不是支援多個不同的用例及/或環境。因此，靜態閥值可能導致在不同的用例、不同的環境或變化的無線通訊系統中的低效效能。例如，在某些環境中靜態閥值可能導致在UE的「最優」天線（例如，具有最高RSRP值或將最低發射功率用於天線候選集合的傳輸的天線）上花費相對低的時間百分比。
為了支援高效的天線切換，UE可以實現動態天線切換閥值。當UE執行天線切換測試時（例如，若UE決定其在量測間隔內未使用「最優」天線進行操作），則UE可以基於UE的一或多個操作條件來更新動態閥值。例如，若活動天線始終以相對較小的餘量保持「非最優」，則UE可以降低動態閥值以允許將天線切換到更加「最優」的天線（例如，儘管針對天線的RSRP的差很小）。相反，若「非最優」的天線是異常值，則UE可以增加動態閥值以避免低效的天線切換。UE可以基於經更新的動態閥值來決定是否切換活動天線，並且可以根據切換決策來與另一無線設備進行通訊。
在一些情況下，可以使用包含經訓練的神經網路的機器學習代理單元來決定動態天線切換閥值。可以訓練神經網路以輸出產生高效的天線切換程序的動態閥值。在一些情況下，神經網路可以在UE處線上進行進一步訓練，以針對UE的特定環境或特定操作條件進行進一步配置。神經網路可以接收當前通訊量測作為輸入（例如，針對天線的RSRP值的差），並且可以輸出與多個潛在閥值相關聯的概率。可以選擇與最高輸出概率相對應的閥值作為經更新的動態閥值，並且UE可以使用該經更新的閥值來決定是否從當前的活動天線切換到不同的更加「最優」的天線（例如，具有更高的當前RSRP值的天線）。
首先在無線通訊系統的背景下描述了本案內容的各態樣。參照機器學習代理單元（例如，訓練、節點、決策等）和天線切換程序描述了額外態樣。進一步經由涉及使用機器學習代理單元的用於ASDIV的動態閥值的裝置圖、系統圖和流程圖來示出並且參照這些圖來描述本案內容的各態樣。
圖1圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的無線通訊系統100的實例。無線通訊系統100可以包括基地台105、UE 115以及核心網路130。在一些實例中，無線通訊系統100可以是長期進化（LTE）網路、改進的LTE（LTE-A）網路、LTE-A專業網路或新無線電（NR）網路。在一些情況下，無線通訊系統100可以支援增強型寬頻通訊、超可靠（例如，關鍵任務）通訊、低時延通訊或者與低成本且低複雜度設備的通訊、或其任何組合。
基地台105可以散佈於整個地理區域中以形成無線通訊系統100，並且可以是不同形式或具有不同能力的設備。基地台105和UE 115可以經由一或多個通訊鏈路125無線地進行通訊。每個基地台105可以提供覆蓋區域110，UE 115和基地台105可以在覆蓋區域110上建立通訊鏈路125。覆蓋區域110可以是此類地理區域的實例：在該地理區域上，基地台105和UE 115支援根據一或多個無線電存取技術來傳送信號。
UE 115可以散佈於無線通訊系統100的整個覆蓋區域110中，並且每個UE 115在不同時間可以是靜止的、或行動的、或兩者。UE 115可以是不同形式或具有不同能力的設備。在圖1中圖示一些實例UE 115。本文描述的UE 115能夠與各種類型的設備進行通訊，諸如其他UE 115、基地台105及/或網路設備（例如，核心網路節點、中繼設備、整合存取和回載（IAB） 節點或其他網路設備），如圖1所示。
基地台105可以與核心網路130進行通訊，或者彼此進行通訊，或者進行上述兩種操作。例如，基地台105可以經由回載鏈路132（例如，經由S1、N2、N3或其他介面）與核心網路130對接。基地台105可以在回載鏈路120上（例如，經由X2、Xn或其他介面）上直接地（例如，直接在基地台105之間）彼此進行通訊，或者間接地（例如，經由核心網路130）彼此進行通訊，或者進行上述兩種操作。在一些實例中，回載鏈路120可以是或包括一或多個無線鏈路。
本文描述的基地台105中的一或多個基地台105可以包括或可以被本發明所屬領域中具有通常知識者稱為基地台收發機、無線電基地台、存取點、無線電收發機、節點B、進化型節點B（eNB）、下一代節點B或千兆節點B（任一項可以被稱為gNB）、家庭節點B、家庭進化型節點B、或某種其他適當的術語。
UE 115可以包括或可以被稱為行動設備、無線設備、遠端設備、手持設備、或用戶設備、或某種其他適當的術語，其中「設備」亦可以被稱為單元、站、終端或客戶端以及其他實例。UE 115亦可以包括或被稱為個人電子設備，諸如蜂巢式電話、個人數位助理（PDA）、平板電腦、膝上型電腦或個人電腦。在一些實例中，UE 115可以包括或被稱為無線區域迴路（WLL）站、物聯網路（IoT）設備、萬物聯網路（IoE）設備或機器類型通訊（MTC）設備等，其可以是在諸如電器、運載工具、儀錶等的各種物品中實現的。
本文描述的UE 115能夠與各種類型的設備進行通訊，諸如有時可以充當中繼器的其他UE 115以及基地台105和網路設備，包括巨集eNB或gNB、小型細胞eNB或gNB、中繼基地台等，如圖1中所示。
UE 115和基地台105可以在一或多個載波上經由一或多個通訊鏈路125彼此無線地進行通訊。術語「載波」代表具有用於支援通訊鏈路125的定義的實體層結構的射頻頻譜資源集合。例如，用於通訊鏈路125的載波可以包括射頻頻譜帶的一部分（例如，頻寬部分（BWP），其根據給定無線電存取技術（例如，LTE、LTE-A、LTE-A專業、NR）的實體層通道進行操作。每個實體層通道可以攜帶獲取訊號傳遞（例如，同步信號、系統資訊），協調用於載波的操作的控制訊號傳遞、使用者資料或其他訊號傳遞。無線通訊系統100可以支援使用載波聚合或多載波操作與UE 115的通訊。根據載波聚合配置，UE 115可以被配置有多個下行鏈路分量載波和一或多個上行鏈路分量載波。載波聚合可以與分頻雙工（FDD）分量載波和分時雙工（TDD）分量載波兩者一起使用。
在載波上發送的信號波形可以由多個次載波構成（例如，使用諸如正交分頻多工（OFDM）或離散傅裡葉變換展頻OFDM（DFT-S-OFDM）之類的多載波調制（MCM）技術）。在採用MCM技術的系統中，資源元素可以由一個符號週期（例如，一個調制符號的持續時間）和一個次載波組成，其中符號週期和次載波間隔是逆相關的。每個資源元素攜帶的位元的數量可以取決於調制方案（例如，調制方案的階數、調制方案的編碼速率、或兩者）。因此，UE 115接收的資源元素越多並且調制方案的階數越高，針對UE 115的資料速率就可以越高。無線通訊資源可以代表射頻頻譜資源、時間資源和空間資源（例如，空間層或波束）的組合，並且對多個空間層的使用可以進一步增加用於與UE 115的通訊的資料速率或資料完整性。
可以以基本時間單位（其可以例如是指為
Figure 02_image001
秒的取樣週期，其中
Figure 02_image003
可以表示最大支援的次載波間隔，並且Nf 可以表示最大支援的離散傅裡葉變換（DFT）大小）的倍數來表示用於基地台105或UE 115的時間間隔。可以根據均具有指定持續時間（例如，10毫秒（ms））的無線電訊框來組織通訊資源的時間間隔。可以經由系統訊框號（SFN）（例如，範圍從0到1023）來標識每個無線電訊框。
每個訊框可以包括多個連續編號的子訊框或時槽，並且每個子訊框或時槽可以具有相同的持續時間。在一些情況下，訊框可以被劃分成子訊框，並且每個子訊框可以被進一步劃分成多個時槽。替代地，每個訊框可以包括可變數量的時槽，並且時槽的數量可以取決於次載波間隔。每個時槽可以包括多個符號週期（例如，這取決於在每個符號週期前面添加的循環字首的長度）。在一些無線通訊系統100中，時槽可以進一步劃分成包含一或多個符號的多個微時槽。排除循環字首，每個符號週期可以包含一或多個（例如，
Figure 02_image005
個）取樣週期。符號週期的持續時間可以取決於次載波間隔或操作頻帶。
子訊框、時槽、微時槽或符號可以是無線通訊系統100的最小排程單元，並且可以被稱為傳輸時間間隔（TTI）。在一些情況下，TTI持續時間（亦即，TTI中的符號週期的數量）可以是可變的。補充或替代地，可以動態地選擇無線通訊系統100的最小排程單元（例如，在縮短的TTI（sTTI）的短脈衝中）。
可以根據各種技術在載波上對實體通道進行多工處理。例如，可以使用分時多工（TDM）技術、分頻多工（FDM）技術或混合TDM-FDM技術來在下行鏈路載波上對實體控制通道和實體資料通道進行多工處理。用於實體控制通道的控制區域（例如，控制資源集合（CORESET））可以由多個符號週期來定義，並且可以在載波的系統頻寬或系統頻寬的子集上延伸。可以為UE 115的集合配置一或多個控制區域（例如，CORESET）。例如，UE 115可以根據一或多個搜尋空間集合針對控制資訊來監測或搜尋控制區域，並且每個搜尋空間集合可以包括以級聯方式佈置的一或多個聚合水平中的一或多個控制通道候選。用於控制通道候選者的聚合水平可以代表與用於具有給定有效載荷大小的控制資訊格式的編碼資訊相關聯的控制通道資源（例如，控制通道元素（CCE））的數量。搜尋空間集合可以包括被配置用於向多個UE 115發送控制資訊的公共搜尋空間集合和用於向特定UE 115發送控制資訊的特定於UE的搜尋空間集合。
在一些實例中，基地台105可以是可移動的，並且因此，提供針對移動的地理覆蓋區域110的通訊覆蓋。在一些實例中，與不同的技術相關聯的不同的地理覆蓋區域110可以重疊，但是不同的地理覆蓋區域110可以由同一基地台105來支援。在其他實例中，與不同的技術相關聯的重疊的地理覆蓋區域110可以由不同的基地台105來支援。無線通訊系統100可以包括例如異質網路，其中不同類型的基地台105使用相同或不同的無線電存取技術來提供針對各個地理覆蓋區域110的覆蓋。
無線通訊系統100可以支援同步或非同步操作。對於同步操作，基地台105可以具有相似的訊框定時，並且來自不同基地台105的傳輸可以在時間上近似對準。對於非同步操作，基地台105可以具有不同的訊框定時，並且在一些實例中，來自不同基地台105的傳輸可以不在時間上對準。本文中描述的技術可以用於同步或非同步操作。
一些UE 115（例如，MTC或IoT設備）可以是低成本或低複雜度設備，並且可以提供機器之間的自動化通訊（例如，經由機器到機器（M2M）通訊）。M2M通訊或MTC可以代表允許設備在沒有人為干預的情況下與彼此或基地台105進行通訊的資料通訊技術。在一些實例中，M2M通訊或MTC可以包括來自整合有感測器或計量儀以量測或擷取資訊並且將此類資訊中繼給中央伺服器或應用程式的設備的通訊，該中央伺服器或應用程式利用該資訊或者將該資訊呈現給與應用程式進行互動的人類。一些UE 115可以被設計為收集資訊或者實現機器或其他設備的自動化行為。針對MTC設備的應用的實例包括智慧計量、庫存監控、水位監測、設備監測、醫療保健監測、野生生物監測、氣候和地質事件監測、車隊管理和追蹤、遠端安全感測、實體存取控制、以及基於事務的傳輸量計費。
無線通訊系統100可以被配置為支援超可靠通訊或低時延通訊、或其各種組合。例如，無線通訊系統100可以被配置為支援超可靠低時延通訊（URLLC）或任務關鍵通訊。UE 115可以被設計為支援超可靠、低時延或關鍵功能（例如，任務關鍵功能）。超可靠通訊可以包括私人通訊或群組通訊，並且可以由一或多個關鍵任務型服務（諸如關鍵任務一鍵通（MCPTT）、關鍵任務視訊（MCVideo）或關鍵任務資料（MCData））支援。對關鍵任務功能的支援可以包括服務的優先化，並且關鍵任務服務可以用於公共安全或一般商業應用。術語超可靠、低時延、關鍵任務和超可靠低時延在本文中可以可互換地使用。
在一些情況下，UE 115亦能夠在設備到設備（D2D）通訊鏈路135上與其他UE 115直接進行通訊（例如，使用對等（P2P）或D2D協定）。利用D2D通訊的一或多個UE 115可以在基地台105的地理覆蓋區域110內。此類組中的其他UE 115可以在基地台105的地理覆蓋區域110之外，或者以其他方式無法從基地台105接收傳輸。在一些情況下，經由D2D通訊來進行通訊的多組UE 115可以利用一到多（1:M）系統，其中每個UE 115向組之每一者其他UE 115進行發送。在一些實例中，基地台105促進對用於D2D通訊的資源的排程。在其他情況下，D2D通訊是在UE 115之間執行的，而不涉及基地台105。
核心網路130可以提供使用者認證、存取授權、追蹤、網際網路協定（IP）連接、以及其他存取、路由或行動性功能。核心網路130可以是進化封包核心（EPC）或5G核心（5GC），其可以包括管理存取和行動性的至少一個控制平面實體（例如，行動性管理實體（MME）、存取和行動性管理功能單元（AMF））以及將封包路由或互連到外部網路的至少一個使用者平面實體 （例如，服務閘道（S-GW）、封包資料網路（PDN）閘道（P-GW）、使用者平面功能單元（UPF））。控制平面實體可以管理非存取層（NAS）功能，例如，針對由與核心網路130相關聯的基地台105服務的UE 115的行動性、認證和承載管理。使用者IP封包可以經由使用者平面實體來傳輸，使用者平面實體可以提供IP位址分配以及其他功能。使用者平面實體可以連接到網路服務供應商IP服務150。服務供應商IP服務150可以包括對網際網路、網內網路、IP多媒體子系統（IMS）或封包交換流服務的存取。
網路設備中的一些網路設備（例如，基地台105）可以包括諸如存取網路實體140之類的子部件，其可以是存取節點控制器（ANC）的實例。每個存取網路實體140可以經由多個其他存取網路傳輸實體（其可以被稱為無線電頭端、智慧無線電頭端或發送/接收點（TRP））來與UE 115進行通訊。每個存取網路傳輸實體145可以包括一或多個天線面板。在一些配置中，每個存取網路實體140或基地台105的各種功能可以是跨越各個網路設備（例如，無線電頭端和ANC）分佈的或者合併到單個網路設備（例如，基地台105）中。
無線通訊系統100可以使用一或多個頻帶（通常在300兆赫（MHz）到300千兆赫（GHz）的範圍中）來操作。通常，從300 MHz到3 GHz的區域被稱為特高頻（UHF）區域或分米頻帶，因為波長範圍在長度上從近似一分米到一米。UHF波可能被建築物和環境特徵阻擋或重定向，但是波可以足以穿透結構，以用於巨集細胞向位於室內的UE 115提供服務。與使用頻譜的低於300 MHz的高頻（HF）或超高頻（VHF）部分的較小頻率和較長的波的傳輸相比，UHF波的傳輸可以與較小的天線和較短的距離（例如，小於100公里）相關聯。
無線通訊系統100可以利用經許可和免許可射頻頻譜帶兩者。例如，無線通訊系統100可以採用免許可頻帶（諸如5 GHz工業、科學和醫療（ISM）頻帶）中的許可輔助存取（LAA）、LTE免許可（LTE-U）無線存取技術或NR技術。當在免許可射頻頻譜帶中操作時，設備（諸如基地台105和UE 115）可以採用載波偵聽進行衝突偵測和避免。在一些情況下，免許可頻帶中的操作可以基於結合在經許可頻帶（例如，LAA）中操作的分量載波的載波聚合配置。免許可頻譜中的操作可以包括下行鏈路傳輸、上行鏈路傳輸、P2P傳輸、D2D傳輸等。
基地台105或UE 115可以被配備有多個天線，其可以用於採用諸如發射分集、接收分集、多輸入多輸出（MIMO）通訊或波束成形之類的技術。基地台105或UE 115的天線可以位於一或多個天線陣列或天線面板（其可以支援MIMO操作或者發送或接收波束成形）內。例如，一或多個基地台天線或天線陣列可以共置於天線組件處，例如天線塔。在一些情況下，與基地台105相關聯的天線或天線陣列可以位於不同的地理位置上。基地台105可以具有天線陣列，該天線陣列具有基地台105可以用於支援對與UE 115的通訊的波束成形的多行和多列的天線埠。同樣，UE 115可以具有可以支援各種MIMO或波束成形操作的一或多個天線陣列。補充或替代地，天線面板可以支援針對經由天線埠發送的信號的射頻波束成形。
基地台105或UE 115可以使用MIMO通訊來利用多徑信號傳播，並且經由經由不同的空間層發送或接收多個信號來提高頻譜效率。此類技術可以被稱為空間多工。例如，發送設備可以經由不同的天線或者天線的不同組合來發送多個信號。同樣，接收設備可以經由不同的天線或者天線的不同組合來接收多個信號。多個信號之每一者信號可以被稱為分離的空間串流，並且可以攜帶與相同的資料串流（例如，相同的編碼字元）或不同的資料串流（例如，不同的編碼字元）相關聯的位元。不同的空間層可以與用於通道量測和報告的不同的天線埠相關聯。MIMO技術包括單使用者MIMO（SU-MIMO）（其中多個空間層被發送給相同的接收設備）和多使用者MIMO（MU-MIMO）（其中多個空間層被發送給多個設備）。
波束成形（其亦可以被稱為空間濾波、定向發送或定向接收）是一種如下的信號處理技術：可以在發送設備或接收設備（例如，基地台105或UE 115）處使用該技術，以沿著在發送設備和接收設備之間的空間路徑來形成或引導天線波束（例如，發射波束、接收波束）。可以經由以下操作來實現波束成形：對經由天線陣列的天線元件傳送的信號進行組合，使得在相對於天線陣列的特定朝向上傳播的一些信號經歷相長干涉，而其他信號經歷相消干涉。對經由天線元件傳送的信號的調整可以包括：發送設備或接收設備向經由與該設備相關聯的天線元件攜帶的信號應用某些幅度偏移、相位偏移或兩者。可以由與特定朝向（例如，相對於發送設備或接收設備的天線陣列，或者相對於某個其他朝向）相關聯的波束成形權重集合來定義與天線元件之每一者天線元件相關聯的調整。
作為波束成形操作的一部分，基地台105或UE 115可以使用波束掃瞄技術。例如，基地台105可以使用多個天線或天線陣列（例如，天線面板），來進行用於與UE 115的定向通訊的波束成形操作。基地台105可以在不同的方向上將一些信號（例如，同步信號、參考信號、波束選擇信號或其他控制信號）發送多次。例如，基地台105可以根據與不同的傳輸方向相關聯的不同的波束成形權重集合來發送信號。不同的波束方向上的傳輸可以用於（例如，由發送設備（諸如基地台105）或接收設備（諸如UE 115））辨識用於基地台105進行的後續發送及/或接收的波束方向。
基地台105可以在單個波束方向（例如，與接收設備（例如，UE 115）相關聯的方向）上發送一些信號（例如，與特定的接收設備相關聯的資料信號）。在一些實例中，與沿著單個波束方向的傳輸相關聯的波束方向可以是基於在不同的波束方向上發送的信號來決定的。例如，UE 115可以接收基地台105在不同方向上發送的信號中的一或多個信號，並且可以向基地台105報告對UE 115接收到的具有最高信號品質或者以其他方式可接受的信號品質的信號的指示。
在一些情況下，可以使用多個波束方向來執行由設備（例如，由基地台105或UE 115）進行的傳輸，並且該設備可以使用數位預編碼或射頻波束成形的組合來產生用於傳輸（例如，從基地台105到UE 115）的組合波束。UE 115可以報告指示用於一或多個波束方向的預編碼權重的回饋，並且該回饋可以對應於跨越系統頻寬或一或多個次頻帶的配置的波束數量。基地台105可以發送可以被預編碼或未被預編碼的參考信號（例如，特定於細胞的參考信號（CRS）、通道狀態資訊參考信號（CSI-RS））。UE 115可以提供針對波束選擇的回饋，其可以是預編碼矩陣指示符（PMI）或基於編碼簿的回饋（例如，多面板類型編碼簿、線性組合類型編碼簿、埠選擇類型編碼簿）。儘管這些技術是參照基地台105在一或多個方向上發送的信號來描述的，但是UE 115可以採用類似的技術來在不同方向上多次發送信號（例如，用於辨識用於UE 115進行的後續發送或接收的波束方向）或者在單個方向上發送信號（例如，用於向接收設備發送資料）。
當從基地台105接收各種信號（諸如同步信號、參考信號、波束選擇信號或其他控制信號）時，接收設備（例如，UE 115）可以嘗試多個接收配置（例如，定向監聽）。例如，接收設備可以經由經由不同的天線子陣列來進行接收，經由根據不同的天線子陣列來處理接收到的信號，經由根據向在天線陣列的多個天線元件處接收的信號應用的不同的接收波束成形權重集合（例如，不同的定向監聽權重集合）來進行接收，或者經由根據向在天線陣列的多個天線元件處接收的信號應用的不同的接收波束成形權重集合來處理接收到的信號（以上各個操作中的任何操作可以被稱為根據不同的接收配置或接收方向的「監聽」），來嘗試多個接收方向。在一些實例中，接收設備可以使用單個接收配置來沿著單個波束方向進行接收（例如，當接收資料信號時）。單個接收配置可以在基於根據不同的接收配置方向進行監聽而決定的波束方向（例如，基於根據多個波束方向進行監聽而被決定為具有最高信號強度、最高訊雜比（SNR）、或者以其他方式可接受的信號品質的波束方向）上對準。
在一些無線通訊系統100中，UE 115可以使用天線集合中的第一天線與另一無線設備（例如，另一UE 115、基地台105等）進行通訊。UE 115可以追蹤針對第一天線的通訊量測（例如，RSRP值、發射功率等），並且可以基於當前通訊量測來執行天線切換測試。對於天線切換測試，UE 115可以基於機器學習代理單元來更新動態閥值。機器學習代理單元可以是特定於UE 115的使用者、UE 115、UE 115的類型、晶片組或這些的某種組合來訓練的，並且機器學習代理單元可以包括用於決定經更新的動態閥值的神經網路。UE 115可以執行與動態閥值的比較，並且基於該比較來決定是否切換操作天線。例如，UE 115可以決定在第二天線與活動天線之間的RSRP差，並且若RSRP差大於或等於所決定的動態閥值，則UE 115可以從活動天線切換到第二天線。
圖2圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的無線通訊系統200的實例。無線通訊系統200可以包括UE 115-a和基地台105-a，它們可以是參照圖1描述的對應設備的實例。如參照圖1描述的，基地台105-a可以為地理覆蓋區域110-a提供服務。UE 115-a可以使用天線集合與其他無線設備（例如，包括基地台105-a）進行通訊，其中可以啟動天線集合中的一個天線215以用於通訊。在一些情況下，基於下行鏈路通道205接收，UE 115-a可以選擇天線215以用於上行鏈路通道210傳輸。可以經由UE 115-a的ASDIV特徵來執行切換操作天線（例如，從第一天線215-a切換到第二天線215-b）。
UE 115可以包括部署在UE 115的晶片組中的ASDIV特徵。ASDIV特徵可以管理用於通訊的天線215選擇。在一些情況下，UE 115（諸如UE 115-a）可以包括兩個用於通訊的天線215（例如，天線215-a和215-b）。這些天線215可以是邏輯天線、實體天線、天線埠等的實例。在其他情況下，UE 115可以包括用於通訊的任意數量的天線215（例如，對於一些具有5G能力的UE 115為四個天線）。UE 115可以根據天線切換閥值和一或多個當前通訊量測來在用於通訊的天線215之間切換。
在第一實例中，UE 115-a可以基於天線215的RSRP值來執行天線切換。例如，UE 115-a可以使用第一天線215-a來與基地台105-a進行通訊。另外，UE 115-a可以量測用於與基地台105-a進行通訊的第一天線215-a和第二天線215-b的RSRP值。若第一天線215-a的第一RSRP值低於第二天線215-b的第二RSRP值，則UE 115-a可以決定第二天線215b當前是用於與基地台105-a進行通訊的「最優」或「最佳」天線215（其中「最優」或「最佳」天線215是天線集合中的具有最高當前RSRP量測的天線215）。然而，不是簡單地切換到第二天線215-b，而是UE 115-a可以經由將在天線215之間的RSRP值的差與天線切換閥值（其可以是RSRP差閥值的實例）進行比較來執行天線切換測試。若在第二天線215-b（具有最大當前RSRP值的天線）與第一天線215-a（當前操作天線）之間的RSRP值的差（例如，RSRP Δ）大於天線切換閥值，則UE 115-a可以從使用第一天線215-a進行操作切換為使用第二天線215-b進行操作。替代地，若RSRP Δ小於或等於天線切換閥值，則UE 115-a可以停留在相同的天線215上（例如，繼續使用第一天線215-a進行操作）。
在第二實例中，UE 115-a可以基於天線215的發射功率來執行天線切換。例如，UE 115-a可以決定用於與操作天線215-a進行通訊的當前發射功率（例如，以達到一定的信號與干擾和雜訊比（SINR））。若當前發射功率超過閥值發射功率（例如，最大發射功率，諸如23分貝毫瓦（dBm）），則UE 115-a可以執行天線切換測試。天線切換測試可以涉及將在天線215之間的發射功率值的差與天線切換閥值進行比較，該天線切換閥值可以是發射功率差閥值的實例。若在第一天線215-a（當前操作天線）與第二天線215-b（具有所需的最小當前發射功率的天線）之間的在通道上（例如，針對上行鏈路通道210上的給定SINR）的傳輸所需的發射功率值的差大於天線切換閥值，則UE 115-a可以從使用第一天線215-a進行操作切換為使用第二天線215-b進行操作。
在一些情況下，UE 115-a可以週期性地決定是否切換操作天線215。例如，UE 115-a可以每640毫秒（ms）決定是否執行天線切換測試。該決定可以是基於針對該週期性時間段的當前通訊量測的。在第一實例中，可以針對對應的週期性時間段每640ms量測一次當前通訊量測。在第二實例中，UE 115-a可以在整個640ms時段中量測當前通訊量測，並且可以對量測進行平均以決定針對該週期性時間段的當前通訊量測。這些量測週期的週期性可以是靜態的或動態的（例如，基於通道條件）。在一些實例中，當前通訊量測可以是特定於天線的。例如，對於單個量測週期，UE 115-a可以決定針對第一天線215-a的第一當前通訊量測和針對第二天線215-b的第二當前通訊量測。如本文描述的，UE 115-a可以基於針對活動天線215的當前通訊量測（例如，針對第一天線215-a的第一當前通訊量測）來決定是否執行天線切換測試。
若當前活動天線215的效能下降，則ASDIV特徵可以允許UE 115-a切換天線。例如，基於UE 115-a及/或天線215的實體朝向、天線215的阻塞（例如，基於使用者如何持有或操作UE 115-a）、通道上的基於時間的干擾（例如，短脈衝性干擾）或這些或類似情況的組合，天線215可能具有低可靠性或輸送量。因此，由於天線切換可能導致傳輸低效，所以ASDIV特徵可以允許UE 115-a在執行相對少量天線切換的同時切換到「最優」天線。例如，UE 115-a的訊號傳遞輸送量可能在天線切換時減小，並且一些UE 115可能在天線切換期間經歷電流中的電壓尖峰（例如，取決於UE 115所使用的頻帶）。因此，「最優」天線切換閥值可以使對「最佳」天線（例如，具有最高當前RSRP值的天線215）的使用最大化，同時使天線切換數量最小化。
一些系統可以實現用於UE 115的靜態天線切換閥值。該靜態閥值可以由UE 115的原始設備製造商（OEM）選擇並且在UE 115處預先配置。在一些情況下，靜態閥值是基於實驗室及/或現場測試來決定的，並且對於每個服務供應商及/或OEM可能是不同的（例如，範圍從大約4分貝（dB）到11 dB）。然而，在某些系統中，這些靜態閥值可能是低效的，並且閥值可能隨著系統的變化（例如，隨著天線、UE 115的數量增加等）而變得過時。在一些情況下，靜態天線切換閥值可能導致UE 115在大約50％或更短的時間內使用「最佳」天線（例如，具有最高當前RSRP值的天線）進行操作。
相反，無線通訊系統200的UE 115-a可以實現動態天線切換閥值。在一些情況下，UE 115-a處的機器學習代理單元可以修改動態天線切換閥值。可以在UE 115-a中的部署之前開發機器學習代理單元，其中可以獎勵或懲罰不同的決策（例如，天線切換決策、閥值決策等），以構造用於更新閥值的神經網路。例如，在「最優」天線215（例如，具有最高RSRP值的天線215）上操作可能被獎勵，而在「非最優」天線215（例如，不具有最高RSRP值的天線215）上操作或者過於頻繁地（例如，比使用靜態閥值的ASDIV將進行的切換更頻繁地）切換可能受到懲罰。可以使用與許多不同的環境、場景和用例相對應的訓練資料（例如，4G網路資料、5G網路資料、載波聚合資料、MIMO資料等）來訓練神經網路，使得ASDIV可以適應或處理無線通訊系統200中的不同條件。在一些情況下，補充或替代地，可以在UE 115-a中的部署之後訓練或者針對特定環境來訓練機器學習代理單元，使得機器學習代理單元可以動態地調整為特定的使用者、模型、晶片組、網路及/或操作頻帶。與實現靜態閥值相反，基於機器學習代理單元來實現動態天線切換閥值可以增加對具有最高RSRP值的天線的使用，從而改善ASDIV特徵效能。此外，機器學習代理單元可以經由實現動態閥值來加速閥值調諧並且降低測試成本（例如，基於現場的測試成本）。
一些系統可以支援針對機器學習代理單元的靈活訓練部署，其中訓練可以在不同級別或不同時間執行。例如，可以執行機器學習訓練以辨識用於實現動態天線切換閥值的所有UE 115的通用動態閥值（例如，基於矩張量勢（MTP））。在其他實例中，可以在晶片組及/或模型測試期間執行機器學習訓練，以辨識每個晶片組的動態閥值、每個UE模型的動態閥值、或其組合。在其他實例中，可以在UE 115-a處決定和部署動態閥值，並且訓練可以在UE 115-a處繼續以收斂於用於UE 115-a的特定於使用者的動態閥值。在一些情況下，可以基於某些條件（例如，機器學習代理單元的效能、訓練排程等）來啟動或去啟動UE 115處的訓練。在一些情況下，機器學習代理單元可以支援除ASDIV功能之外或者替代ASDIV功能的其他操作。例如，機器學習代理單元可以支援決定操作模式（例如，要實現的無線電存取技術）、要實現的技術特徵、要使用的射頻（RF）功率、無線電鏈路故障（RLF）預測、或這些或其他獲悉的決定的某種組合。
在一些實現方式中，無線通訊系統200可以使用基於啟發式或經配置的閥值切換模式或演算法的動態天線切換閥值。例如，UE 115-a可以儲存閥值集合，並且可以被配置為基於一或多個當前通訊參數來在閥值集合之間進行切換。例如，UE 115-a可以基於由UE 115-a執行的天線切換測試的數量來選擇動態閥值（例如，在連續的量測時段中，在給定的時間窗內，等等）。UE 115-a可以被預先配置為：基於在時間訊窗內執行的更多數量的天線切換測試來選擇較低的動態切換閥值；及基於在時間訊窗內執行的更少數量的天線切換測試來選擇較大的動態切換閥值。此類演算法可以是基於或可以不是基於機器學習的（例如，該演算法可以是基於啟發式、經驗觀察、標準化切換程序等的）。
與靜態閥值實現方式相比，由UE 115-a實現的動態閥值可以減少用於傳輸的發射功率，同時改善RSRP、參考信號接收品質（RSRQ）、接收信號強度指示符（RSSI）、SNR或這些的某種組合。在一些情況下，動態天線切換閥值可以導致UE 115利用與靜態閥值實現方式大約相同的數量的天線切換，使用「最優」天線215（例如，具有最高當前RSRP值的天線215）操作大約95％的時間。此外，UE 115-a執行機器學習代理單元的處理成本可以忽略不計。天線切換的益處可以包括：提高切換之後的訊號傳遞輸送量（例如，與切換之前的量測時段相比）以及降低切換之後的發射功率（例如，實體上行鏈路共享通道（PUSCH）發射功率）（例如，以實現相同的SINR），從而改善UE 115-a處的功耗。
圖3圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的無線通訊系統300的實例。無線通訊系統300可以包括UE 115-b和基地台105-b，它們可以是參照圖1和圖2描述的對應設備的實例。UE 115-b可以使用天線集合與其他無線設備（例如，包括基地台105-b）進行通訊，其中一個天線305可以是活動天線。在一些情況下，基於通訊量測，UE 115-b可以選擇用於上行鏈路訊號傳遞310的天線305。可以經由UE 115-b的ASDIV特徵使用動態閥值來執行切換活動天線（例如，從第一天線305-a切換到第二天線305-b）。
例如，UE 115-b可以使用活動天線305-a在上行鏈路上與基地台105-b進行通訊。UE 115-b可以在第一時間段期間使用活動天線305-a發送上行鏈路訊號傳遞310-a。然而，在稍後的時間，UE 115-b可以基於當前通訊量測來決定執行天線切換測試。該當前通訊量測可以由活動天線305-a（例如，針對「第一」天線305-a的「第一」當前通訊量測）或由另一天線305或接收元件來量測。在一些情況下，當前通訊量測可以是對下行鏈路訊號傳遞315執行的量測的實例，諸如實體下行鏈路共享通道（PDSCH）、一或多個下行鏈路參考信號、或這些或其他下行鏈路信號的任何組合。在其他情況下，當前通訊量測可以是使用不同的天線305、不同的接收路徑、回饋接收器或這些的某種組合對發射功率的量測的實例。例如，回饋接收器可以量測針對活動天線305-a的上行鏈路訊號傳遞310-a的發射功率。
UE 115-b可以基於當前通訊量測來更新動態閥值。例如，UE 115-b可以從天線切換閥值320-a更新為天線切換閥值320-b。在一些情況下，UE 115-b可以儲存對多個可能的天線切換閥值320的指示，及/或可以基於查閱資料表、函數、演算法、啟發式、神經網路、或這些的某種組合，來選擇要用於ASDIV的閥值。UE 115-b可以基於在經更新的動態閥值與比較值之間的比較來決定是否切換活動天線305（例如，從第一天線305-a切換到第二天線305-b）。例如，UE 115-b可以基於一或多個當前通訊量測來計算比較值，並且可以將該比較值與經更新的天線切換閥值320-b進行比較。基於該比較，UE 115-b可以從在天線305-a上操作切換為在天線305-b上操作。UE 115-b可以基於天線切換來使用活動天線305-b（例如，「第二」天線305-b）與基地台105-b進行通訊。例如，UE 115-b可以在天線切換之後的第二時間段期間使用活動天線305-b發送上行鏈路訊號傳遞310-b。
圖4圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的機器學習代理單元訓練400的實例。機器學習代理單元訓練400可以被拆分為兩部分：部署前訓練405-a和部署後訓練405-b。在一些情況下，機器學習代理單元訓練400可以涉及部署前訓練405-a或部署後訓練405-b，或者機器學習代理單元訓練400可以涉及兩者的某種組合。部署前訓練405-a可以使用訓練資料來執行，而部署後訓練405-b可以由無線設備（諸如參照圖1至圖3描述的UE 115）來執行。機器學習代理單元訓練400可以決定UE 115處的用於ASDIV的動態天線切換閥值。
部署前訓練405-a可以使用環境模擬器415來決定機器學習代理單元410-a。機器學習代理單元410或其子部件可以用硬體、由處理器執行的代碼（例如，軟體或韌體）或其任何組合來實現。若用由處理器執行的代碼來實現，則機器學習代理單元410或其子部件的功能可以由被設計為執行本文描述的功能的通用處理器、數位訊號處理器（DSP）、特殊應用積體電路（ASIC）、現場可程式設計閘陣列（FPGA）或其他可程式設計邏輯裝置、個別閘門或者電晶體邏輯、個別硬體部件或者其任何組合來執行。在一些情況下，部署前訓練405-a可以被稱為單次機器學習代理單元訓練或離線機器學習代理單元訓練。在部署前訓練405-a中，可以使用訓練資料來測試機器學習代理單元410-a。在一特定實例中，該訓練資料可以是基於在不同的行動性場景中執行的撥叫記錄的。例如，針對每個設備的撥叫可以被組織為「行動」撥叫（例如，其中設備的速度大於或等於每小時5公里（km/h））、「靜止」撥叫（例如，其中設備的速度小於5km/h）、「多數靜止」撥叫（例如，其中設備的量測速度在5km/h上下波動，而大多數量測結果在5km/h以下）、以及「未報告」撥叫（例如，其中未決定設備的速度資訊）。撥叫可以進一步由提供商組織。這些撥叫可能導致平均「最優」天線切換閥值的高可變性。對於每個撥叫，資料可以指示針對每個量測間隔的平均輸送量、針對每個量測間隔的平均PUSCH發射功率、以及針對每個量測間隔的平均RSRP、RSRQ、RSSI、SNR或這些的某種組合。可以針對訓練資料來類比其他資料。該訓練資料（例如，現有的已記錄撥叫、類比撥叫等）可以支援具有類比環境狀態的類比環境，以用於機器學習代理單元410-a的初始調諧。
例如，機器學習代理單元410-a可以使用環境模擬器415進行測試，並且基於評分函數420進行修改。在一些情況下，機器學習代理單元410-a可以從環境模擬器415獲得環境狀態（例如，在425處）。環境狀態可以包括當前天線量測、通道狀況、信號、附近的障礙物及/或設備、或這些的某種組合（例如，基於訓練資料）。在430處，機器學習代理單元410-a可以基於環境狀態來做出決策（例如，決定要執行的動作）。環境模擬器415可以在435處評估動作，並且基於該評估來決定評分函數420。在440處，評分函數420可以基於動作評估來向機器學習代理單元410-a指派獎勵及/或懲罰。可以基於獎勵及/或懲罰來更新機器學習代理單元410-a，使得若機器學習代理單元410-a將來遇到類似的狀況，則機器學習代理單元410-a更有可能選擇有利動作（例如，導致UE 115處的高效通訊的動作）。
在一個特定實例中，部署前訓練405-a可以訓練機器學習代理單元410-a處的神經網路以決定動態天線切換閥值。例如，在425處，機器學習代理單元410-a可以接收指示針對UE 115的天線集合的量測時段的RSRP值的環境狀態。基於機器學習代理單元410-a處的當前神經網路，機器學習代理單元410-a可以決定動態天線切換閥值的值，並且可以基於閥值和環境狀態來決定是否將活動天線從第一天線切換到第二天線。在430處，機器學習代理單元410-a可以基於該決定（例如，是切換活動天線還是停留在相同的活動天線上）來發送對要執行的動作的指示。在435處，環境模擬器415可以評估動作。例如，環境模擬器415可以決定與其他潛在動作相比，該動作是否導致針對活動天線的更高的RSRP值，並且環境模擬器415可以基於該決定來決定評分函數420。在一個實例中，若與停留在相同的天線上相比，該動作導致針對活動天線的顯著地更高的RSRP值，則評分函數420可以獎勵切換天線。然而，若新的活動天線具有較低的RSRP值，並且基於天線切換固有的低效，切換操作天線可能產產生本，則評分函數420可以懲罰切換天線。使用評分函數420，機器學習代理單元410-a可以在440處更新神經網路，其中基於評估由於神經網路的輸出而執行的動作來修改神經網路的權重。例如，若基於由神經網路輸出的相對低的動態閥值執行了天線切換，並且評估指示該切換是低效的（例如，由於切換活動天線帶來的最小RSRP益處），則機器學習代理單元410-a可以修改神經網路的權重，使得相同或相似的環境狀態可以在將來導致相對較高的動態閥值。該相對較高的動態閥值可以使得機器學習代理單元410-a在滿足相同的環境條件的情況下決定停留在活動天線上。
在一些情況下，本文描述的訓練可以是基於一或多個策略的。這些策略可以由監督訓練的使用者或基於優選結果（例如，與高效天線使用相關聯的結果）來定義。機器學習代理單元410-a做出的每個決策（例如，每個選擇的動作）可以基於策略集合中的至少一個策略來接收分數。可以根據分數來計算梯度（例如，在機器學習代理單元410-a做出多個決策之後），並且可以根據梯度來更新神經網路權重。機器學習代理單元410-a可以繼續適應性地改變，以使策略最大化或滿足策略。在一些情況下，可以關閉策略，並且進一步的訓練（例如，線上訓練）可以是基於量測或度量的。
在部署前訓練405-a之後，可以在445處在一或多個無線設備（例如，UE 115）中部署經訓練的機器學習代理單元410-a。可以使用經訓練的機器學習代理單元410-a來操作無線設備。在一些情況下，為了最佳化或改善機器學習代理單元410-a在不同環境450中的效能，可以在UE 115處執行部署後訓練405-b。可以由特定的機器學習代理單元410來獨立地進行特定於環境的訓練。不同的環境450可以包括室內環境、室外環境、操作設備的不同使用者、行動環境（例如，在運載工具中）、靜止環境、或這些或影響機器學習代理單元的準確性的其他環境的任何組合。在一些情況下，部署後訓練405-b可以被稱為線上訓練，並且基於線上訓練而決定的機器學習代理單元410可以稱為機器學習代理、機器學習代理部件、智慧代理、智慧代理單元、或某種類似術語。
每個UE 115（例如，每個UE 115、具有相同晶片組的每個UE 115、相同UE類型的每個UE 115等）可以被配置有相同的經訓練的機器學習代理單元410-a。從相同的經訓練的神經網路開始，採用部署後訓練405-b的每個UE 115可以根據UE 115在其內操作的環境450來更新神經網路。例如，第一UE 115可以基於第一環境450-a來訓練神經網路，並且可以在455-a處更新機器學習代理單元以獲得針對環境450-a而專門訓練的機器學習代理單元410-b。類似地，第二UE 115可以在455-b處更新機器學習代理單元以獲得針對環境450-b而專門訓練的機器學習代理單元410-c，並且第三UE 115可以在455-c處更新機器學習代理單元以獲得針對環境450-c而專門訓練的機器學習代理單元410-d。基於特定於環境的訓練，相同的條件或量測可能導致針對機器學習代理單元410-b和410-c（例如，根據不同的環境450進行訓練）的不同的決策及/或動作。例如，相同的RSRP量測可能在不同的環境450中導致不同的動態閥值和不同的天線切換決策，諸如針對城市環境與鄉村環境、針對靜止環境與高度行動環境、或者針對具有不同使用者行為的不同使用者。在至少一個實施例中，單個UE 115可以訓練複數個不同的神經網路，其中每個神經網路針對使用者、環境（例如，地理位置）、載波頻率等的不同組合。因此，UE 115可以基於當前使用者、環境、載波或其他因素來選擇可用神經網路之一進行訓練或使用。
部署後訓練405-b可以允許UE 115適應特定使用者或特定頻繁環境，從而改善UE 115的天線切換效能。部署後訓練405-b亦可以允許機器學習代理單元410在UE 115移動到新環境450的情況下重新學習「最優」行為。在一個特定實例中，第一使用者使用的行動電話可以執行部署後訓練405-b，以基於第一使用者如何持有行動電話（例如，由於第一使用者的特定抓握、第一使用者的手的大小等，某些天線可能被阻塞）來調諧神經網路。若第一使用者將行動電話出售給第二使用者，則可以再次執行部署後訓練405-b，以基於第二使用者如何持有行動電話來重新調諧神經網路。在一些情況下，部署後訓練405-b可以根據訓練排程連續地或週期性地發生。在其他情況下，可以基於機器學習代理單元度量來觸發部署後訓練405-b。例如，若一或多個效能量度降級（例如，天線切換的數量針對某一時間段超過閥值，使用具有最高RSRP值的天線進行操作的時間量針對某一時間段低於閥值等），這可能指示UE 115的操作環境450的變化，則可以在UE 115處啟動訓練。在上述特定實例中，接收和操作行動電話的第二使用者可能由於天線處的不同的（平均）通訊量測（基於第二使用者以與第一使用者不同的方式持有行動電話）而觸發部署後訓練405-b。
在一些情況下，機器學習代理單元訓練400可以在幾個小時（例如，其中小時可以表示機器學習代理單元410經過的撥叫長度）內改善天線切換效能。在一特定實例中，在14小時內，機器學習代理單元訓練400可能導致與靜態閥值表現相當的動態閥值演算法。在22小時內，機器學習代理單元訓練400可能導致優於靜態閥值的動態閥值演算法。
圖5圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的機器學習模型500的實例。機器學習模型500可以在無線設備（諸如參照圖1至圖3描述的UE 115）處實現。機器學習模型500可以包括神經網路510，其中可以根據如參照圖4描述的機器學習代理單元訓練400來決定神經網路510的節點之間的權重。在一些情況下，神經網路510可以經由決定用於天線切換的動態閥值來支援ASDIV。
神經網路510可以包括輸入層515、一或多個隱藏層520和輸出層525。在具有一個隱藏層520的完全連接的神經網路中，每個隱藏層節點535可以從每個輸入層節點530接收值作為輸入，其中對每個輸入進行加權。這些神經網路權重可以是基於在神經網路510的訓練期間修改的成本函數的。類似地，每個輸出層節點540可以從每個隱藏層節點535接收值作為輸入，其中對輸入進行加權。若神經網路510的訓練完成，則可以根據輸入值505和所決定的權重使用矩陣運算來表示神經網路510。例如，可以根據以下等式來計算隱藏值：
Figure 02_image007
,                             ( 1 ) 其中
Figure 02_image009
,		 ( 2 )
[輸入 ]是與神經網路510的輸入值505相對應的k 個輸入值的k 維陣列，[輸入隱藏權重 ]是與針對神經網路510所決定的輸入到隱藏權重相對應的n 個隱藏節點的k×n 維矩陣，並且[隱藏]是與隱藏層520處的計算值相對應的n 維陣列。類似地，可以根據以下等式來計算輸出值：
Figure 02_image011
,		 ( 3 )
其中
Figure 02_image013
,		 ( 4 )
[輸入隱藏權重 ]是與針對神經網路510所決定的隱藏到輸出權重相對應的m 個輸出節點的n×m 維矩陣，並且[輸出 ]是與神經網路510的輸出相對應的維陣列。該計算實現方式可以被儲存在記憶體中並且由UE 115使用（例如，m 若針對UE 115不支援部署後訓練的話）。
若在UE 115處支援部署後訓練（例如，線上訓練），則UE 115可以分配記憶體以儲存反向矩陣乘法的誤差及/或梯度。這些誤差及/或梯度可以支援基於輸出回饋來更新神經網路510。訓練神經網路510可以支援對權重的計算（例如，將輸入層節點530連接到隱藏層節點535，以及將隱藏層節點535連接到輸出層節點540），以將輸入模式映射到期望的輸出結果。
在一個特定實例中，神經網路510可以支援對用於ASDIV的天線切換閥值的動態選擇。包含機器學習模型500的UE 115可以在量測週期（例如，640 ms）期間執行通訊量測。在量測週期結束時，UE 115可以決定UE 115使用「最佳」天線（例如，根據某種量測標準）進行操作的時間百分比。若在量測週期期間，UE 115在「最佳」天線上操作達大於或等於閥值時間百分比（例如，量測週期的50％），則UE 115可以不執行天線切換測試，並且對應地，可以不使用神經網路510來更新動態閥值。然而，若UE 115在「最佳」天線上操作達少於閥值時間百分比，則UE 115可以執行天線切換測試。為了執行天線切換測試，UE 115可以使用神經網路510來更新動態閥值。
UE 115可以將輸入值505發送到神經網路510以進行處理。在一些情況下，輸入值505可以是在量測週期內具有最大平均RSRP值的天線與量測週期內的操作天線之間的RSRP值的平均差（例如，其中輸入可以被稱為量測週期內的平均RSRP Δ）。輸入值505可以被轉換成輸入層515處的k 個輸入層節點530的集合。在一些情況下，可以在輸入層515的不同輸入層節點530處輸入不同的量測。在其他情況下，量測週期內的平均RSRP Δ可以被轉換成與節點相對應的值的陣列（例如，平均RSRP Δ十進位值可以被轉換成二進位值，其中二進位值的每個位元被指派給輸入層515的輸入層節點530）。若輸入層節點530的數量超過與輸入值505相對應的輸入數量，則可以向一些輸入層節點530指派預設值（例如，值0）。如圖所示，輸入層515可以包括三個輸入層節點530-a、530-b和530-c。然而，應當理解，輸入層515可以包括任意數量的輸入層節點530（例如，20個輸入節點）。
神經網路510可以基於在k 個輸入層節點530與n 個隱藏層節點535之間的輸入到隱藏權重數量，來將輸入層515轉換為隱藏層520。神經網路510可以包括任意數量的隱藏層520作為在輸入層515與輸出層525之間的中間步驟。另外，每個隱藏層520可以包括任意數量的節點。例如，如圖所示，隱藏層520可以包括四個隱藏層節點535-a、535-b、535-c和535-d。然而，應當理解，隱藏層520可以包括任意數量的隱藏層節點535（例如，10個輸入節點）。在完全連接的神經網路中，一層之每一者節點皆可以是基於先前層之每一者節點的。例如，隱藏層節點535-a的值可以是基於輸入層節點530-a、530-b和530-c的值的（例如，其中向每個節點值應用不同的權重）。
神經網路510可以決定在一或多個隱藏層520之後的輸出層525的輸出層節點540的值。例如，神經網路510可以基於在n 個隱藏層節點535與m 個輸出層節點540之間的隱藏到輸出權重數量，來將隱藏層520轉換為輸出層525。在一些情況下，n =m 。每個輸出層節點540可以對應於神經網路510的不同的輸出值545。例如，對於神經網路510決定用於天線切換的動態閥值，每個輸出層節點540可以對應於動態天線切換閥值的不同的閥值。因此，輸出層525中的輸出層節點540的數量可以對應於UE 115所支援的閥值分集的水平。如圖所示，神經網路510可以包括三個輸出層節點540-a、540-b和540-c，從而支援三個不同的閥值。然而，應該理解，輸出層525可以包括任意數量的輸出層節點540（例如，20個輸出節點，對應於動態閥值的20個潛在值）。由神經網路510針對輸出層節點540所決定的值可以對應於UE 115應當將關聯的閥值用於天線切換的概率。
在一個特定實例中，基於神經網路510的輸入值505，神經網路510可以決定針對輸出層節點540-a、540-b和540-c的概率值分別為0.21、0.73和0.06。輸出層節點540-a可以對應於第一閥值（例如，4 dB），輸出層節點540-b可以對應於第二閥值（例如，7 dB），並且輸出層節點540-c可以對應於第三閥值（例如，10 dB）。因此，基於針對輸出層525所決定的概率值，神經網路510可以基於機器學習訓練來決定與輸出層節點540-b相對應的第二閥值（以及最高概率值0.73）是最可能的「最優」閥值，其中訓練允許神經網路權重將輸出偏向閥值，從而導致最佳效能（例如，增加在具有最高RSRP值的天線上花費的時間，同時減少操作天線切換的數量）。神經網路510可以基於對應的概率值將第二閥值（例如，7dB）作為輸出值545輸出，並且UE 115在決定是否從一個操作天線切換到另一操作天線（例如，根據切換演算法）時將該第二閥值用作經更新的動態閥值。
UE 115可以每個量測週期（例如，每640 ms）重複該程序（例如，決定是否執行天線切換測試；若執行天線切換測試，則使用神經網路510來決定經更新的動態閥值；及基於經更新的閥值來決定是否切換活動天線）。另外，在一些情況下，UE 115可以在操作期間重新訓練神經網路510。例如，UE 115可以儲存用於神經網路510的成本函數。若針對神經網路510啟動了訓練，則UE 115可以基於UE 115的度量（例如，天線切換的數量、使用具有最高RSRP的天線等所花費的時間百分比等），及/或基於將UE 115的度量與模擬度量進行比較（若UE 115使用靜態天線切換閥值進行操作的話），來指派獎勵值、懲罰值或兩者。用於神經網路510的成本函數可以是基於獎勵值及/或懲罰值的，並且在神經網路510中的節點之間的權重可以是基於成本函數的。在任何訓練之前，m 個潛在閥值很可能是同等地基於輸入值505的，但是在訓練神經網路510時，權重可能偏移，使得神經網路510更有可能導致支援UE 115處的高效天線切換的某些閥值。在一些情況下，神經網路510可以是前饋（FF）或深層前饋（DFF）神經網路，遞迴神經網路（RNN）、長期/短期記憶（LSTM）神經網路、迴旋神經網路（CNN）、或任何其他類型的神經網路的實例。
圖6圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的決策圖600的實例。決策圖600圖示用於決定是否切換用於通訊的操作天線的程序。如參照圖1至圖3描述的UE 115可以使用如參照圖1至圖5描述的機器學習代理單元來根據決策圖600進行操作。決策圖600可以示出用於UE 115使用預訓練的神經網路執行的程序，其中可以在UE 115處當前啟動或去啟動對神經網路的進一步的訓練（例如，部署後訓練）。
在605處，UE 115可以執行測試（例如，週期性測試、非週期性測試等）。若測試是週期性測試，則可以基於量測間隔來執行測試。例如，UE 115可以在整個量測間隔中量測通訊度量，並且可以在每個量測間隔的結束處（例如，每640 ms）執行週期性測試。在一些情況下，量測間隔的長度是在UE 115處預先配置的。在其他情況下，量測間隔的長度可以改變（例如，基於通道狀況、UE 115在其內操作的環境等）。若測試是非週期性測試，則可以基於排程或基於一或多個觸發來執行測試。
測試可以涉及：在610處，UE 115決定UE 115在先前量測間隔期間是否在「最優」天線上進行操作。例如，UE 115可以在量測間隔期間量測天線集合的RSRP值，並且可以基於RSRP量測來決定「最優」天線。在第一實例中，UE 115可以在先前量測間隔上對每個天線的RSRP值進行平均，並且可以將具有最大平均RSRP值的天線辨識為「最優」天線。在第二實例中，UE 115可以將天線集合中的在先前量測間隔期間在最大時間量內具有最高RSRP值的天線辨識為「最優」天線。在第三實例中，UE 115可以計算整個量測間隔內的天線集合的RSRP ∆值，並且可以將具有最大平均RSRP ∆值的天線辨識為「最優」天線。若UE 115在先前量測間隔內在所辨識的「最優」天線上進行操作，則UE 115可以不執行天線切換測試（例如，包括更新動態閥值以及基於動態閥值來決定是否切換操作天線）。替代地，UE 115可以在605處再次執行測試（例如，在另一量測間隔之後）。替代地，若UE 115在先前的量測間隔內未在所辨識的「最優」天線上進行操作，則UE 115可以在615處啟動機器學習代理單元。
在615處啟動機器學習代理單元可以涉及更新用於天線切換的動態閥值。UE 115可以將天線之間的一或多個RSRP ∆值（例如，針對先前量測間隔的平均RSRP ∆值、在先前量測間隔期間量測的多個RSRP ∆值等）輸入到機器學習代理單元。在第一實例中，機器學習代理單元可以使用經訓練的神經網路，以基於輸入的RSRP ∆值來決定用於天線切換的經更新的動態閥值。補充或替代地，機器學習代理單元可以使用啟發式，以基於輸入來決定經更新的動態閥值。基於機器學習代理單元的結果，UE 115可以在620處獲得經更新的動態閥值，並且可以在625處使用經更新的動態閥值來應用ASDIV特徵。ASDIV特徵可以基於將來自先前量測間隔的量測與經更新的動態閥值進行比較，來決定是否切換操作天線。例如，若先前量測間隔內在第二天線與當前操作天線之間的平均RSRP ∆值大於或等於經更新的動態閥值，則UE 115可以從當前操作天線切換到第二天線以在下一量測間隔期間進行通訊。UE 115可以根據測試週期性（例如，基於量測間隔的長度）或者根據某種其他基於排程及/或基於觸發的標準來重複該程序。
在一些情況下，UE 115可以實現針對機器學習代理單元的訓練（例如，在智慧代理模型中）。可以獨立於啟動機器學習代理單元來啟動針對機器學習代理單元的訓練630（例如，如本文描述的，其中啟動機器學習代理單元涉及更新用於天線切換的動態閥值）。具體地，UE 115可以基於當前通訊量測來啟動機器學習代理單元，以便使用經訓練的神經網路來更新用於天線切換的動態閥值，而UE 115可以基於用於訓練的排程、用於天線切換的動態閥值的效能、或兩者，來啟動針對機器學習代理單元的訓練630，以便更新神經網路本身。
當在訓練630中時，UE 115可以執行除上述程序之外的多個額外程序。在一些情況下，若UE 115在「最優」天線上操作的時間百分比針對某個訓練時間段（其可以與在605處用於執行測試的量測間隔相同或不同（例如，更長））下降到閥值百分比以下，則UE 115可以啟動或重新啟動訓練。例如，若UE 115在「最優」天線上操作達小於多個量測間隔（例如，20個量測間隔）的跨度上的60％的時間，則UE 115可以重新啟動訓練。若UE 115在「最優」天線上操作的時間百分比超過閥值百分比（例如，相同的閥值百分比或不同的閥值百分比），則UE 115可以去啟動訓練。補充或替代地，UE 115可以關閉訓練以節省計算功率、計算資源及/或記憶體使用。例如，UE 115可以基於可用的中央處理單元（CPU）資源、可用的DSP功率、或其組合來決定UE 115是否具有足夠的資源以用於機器學習訓練。UE 115可以基於CPU及/或DSP資源、功率利用率、或兩者來動態地啟動或去啟動訓練。補充或替代地，UE 115可以基於UE 115的訓練排程來動態地啟動或去啟動訓練。例如，UE 115可以全天追蹤通訊量測，並且可以每天午夜開啟一次訓練以處理所追蹤的通訊量測，並且基於該處理來更新機器學習代理單元。
當在訓練630中時，UE 115可以根據靜態天線切換閥值來追蹤通訊量測及/或度量（例如，除了所追蹤的針對動態天線切換閥值的量測及/或度量之外）。UE 115可以在635處與動態閥值並行地使用靜態閥值，使得UE 115可以基於靜態閥值來決定ASDIV特徵將切換操作天線還是停留在操作天線上。UE 115（例如，UE 115的訓練模組）可以基於將針對動態天線切換閥值的度量與針對靜態天線切換閥值的度量進行比較來應用獎勵及/或懲罰。
例如，在640處，UE 115可以基於針對訓練量測週期（例如，訓練時間段，諸如一天）的動態閥值來計算使用「最優」天線進行操作的時間百分比。另外，UE 115可以計算若基於靜態閥值（例如，針對相同的訓練時間段，諸如一天）進行操作，UE 115將使用「最優」天線進行操作的時間百分比。UE 115可以對針對動態閥值和針對靜態閥值使用「最優」天線進行操作的時間百分比進行比較，並且可以基於該比較來決定天線選擇獎勵或天線選擇懲罰。例如，若與靜態閥值相比，UE 115基於動態閥值使用「最優」天線進行操作達更大的時間百分比，則UE 115可以在650處決定天線選擇獎勵，並且若與動態閥值相比，UE 115基於靜態閥值使用「最優」天線進行操作將達更大的時間百分比，則UE 115可以在655處決定天線選擇懲罰。天線選擇獎勵或天線選擇懲罰可以應用於用於機器學習代理單元的神經網路的成本函數。
類似地，在645處，UE 115可以計算基於動態閥值而執行的活動天線切換的數量以及若基於靜態閥值進行操作UE 115將執行的活動天線切換的數量。UE 115可以對針對動態閥值和靜態閥值的天線切換的數量進行比較，並且可以基於該比較來決定天線切換獎勵或天線切換懲罰。例如，若與靜態閥值相比，UE 115基於動態閥值執行更少數量的切換，則UE 115可以在660處決定天線切換獎勵，並且若與動態閥值相比，UE 115基於靜態閥值執行更少數量的切換，則UE 115可以在665處決定天線切換懲罰。天線切換獎勵或天線切換懲罰可以應用於用於機器學習代理單元的神經網路的成本函數（例如，替代或除了天線選擇獎勵或天線選擇懲罰之外）。可以針對給定的時間段（例如，針對一秒鐘、一分鐘、一小時、一天等）或針對給定的通訊集合（例如，針對特定撥叫）來計算懲罰和獎勵。
在670處，UE 115可以基於懲罰及/或獎勵來計算梯度，並且可以基於所計算的梯度來更新機器學習代理單元（例如，機器學習代理單元的神經網路）。在一個實例中，機器學習代理單元可以基於所計算的梯度來更新神經網路的節點之間的一或多個權重。該訓練可以為機器學習代理單元提供增強的學習，並且可以基於UE 115的操作來繼續調諧及/或改善神經網路。
圖7圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的天線切換程序700的實例。天線切換程序700可以由如參照圖1至圖6描述的UE 115執行以實現用於天線切換的動態閥值735。在一些情況下，動態閥值735可以是基於包含經訓練的神經網路的機器學習代理單元的。如圖所示，神經網路可以輸出來自可能閥值集合（例如，從1 dB到16 dB）的RSRP Δ閥值730，並且UE 115可以基於RSRP Δ閥值730來決定是否從使用第一天線進行操作切換為使用第二天線進行操作。天線切換程序700可以示出針對由UE 115執行的撥叫的量測的一個潛在實例。
UE 115可以包括兩個天線，並且可以追蹤針對每個天線的RSRP值710。例如，UE 115可以量測針對第一天線715-a的RSRP值，並且可以量測針對第二天線715-b的RSRP值。RSRP值可以對應於量測時段705內的平均RSRP值。若當前操作天線720（例如，第一天線715-a或第二天線715-b）在量測時段705期間具有與其他天線相比更低的RSRP值，則UE 115可以啟動機器學習代理單元。當機器學習代理單元活動時，UE 115可以更新動態閥值735，並且可以將在兩個天線之間的RSRP Δ與動態RSRP Δ閥值730的當前值進行比較。若兩個天線之間的當前RSRP Δ大於或等於動態RSRP Δ閥值730的當前值，則UE 115可以執行天線切換725。
例如，UE 115可以初始地使用天線715-a進行操作。然而，基於動態閥值735，UE 115可以執行從天線715-a到天線715-b的天線切換725-a。亦即，UE 115可以啟動機器學習代理單元，並且使用所啟動的機器學習代理單元來決定經更新的動態閥值。例如，將當前通訊量測（例如，針對第一天線715-a的當前RSRP值、針對第二天線715-b的當前RSRP值、針對天線的當前RSRP值的差、其中當前操作天線720不是「最優」天線的連續量測時段705的數量、或這些及/或其他通訊參數的某種組合）輸入到所啟動的機器學習代理單元的神經網路中可以決定動態閥值735的經更新的值。如圖所示，基於當前通訊量測，UE 115可以將動態閥值735從8 dB更新為14 dB，更新為1 dB。當將動態閥值735從14 dB切換到1 dB時，UE 115可以基於當前操作天線720與另一天線之間的RSRP Δ值（例如，大約為4 dB）大於動態閥值735來執行天線切換725-a。在一些情況下，從14 dB到1dB的這一下降可能是基於在沒有天線切換的情況下在多個連續量測時段705內當前操作天線720是「非最優」（例如，具有與另一天線相比更低的RSRP值710）的。
UE 115可以在天線715-b上操作，直到天線切換725-b為止。如圖所示，針對天線715-b（例如，當前操作天線720）的RSRP值在天線切換725-b之前可能多次下降到針對天線715-a的RSRP值以下，從而使得啟動機器學習代理單元啟動並且更新動態閥值735。例如，在一種情況下，基於所啟動的機器學習代理單元的神經網路的輸出（例如，基於當前操作天線720在自從天線切換725-a以來的第一量測時段705內是「非最優」的，或者基於任何其他當前通訊量測或參數），動態閥值735可以從1dB增加到16dB。然而，基於RSRP值710和動態RSRP Δ閥值730，UE 115可以停留在天線715-b上。這可以減少天線切換的數量，並且導致高效的ASDIV操作。
在一些情況下，可以在UE 115處儲存靜態閥值740（例如，10 dB），並且UE 115可以基於靜態閥值740來追蹤預測的操作。UE 115可以在實現針對機器學習代理單元的神經網路的訓練時使用這些預測的操作。例如，UE 115可以針對給定的訓練時間段將這些預測的操作的效能與實際操作（例如，使用動態閥值735）的效能進行比較，並且可以基於該比較來啟動機器學習代理單元的訓練。例如，若動態閥值735的效能下降到靜態閥值740的效能以下，則UE 115可以執行機器學習程序以為機器學習代理單元更新在神經網路的節點之間的權重。當機器學習代理單元被啟動時，經更新的神經網路可能導致與未更新的神經網路不同的動態閥值735值。在一個特定實例中，若在該更新的訓練之前，神經網路基於某個當前通訊量測集合而產生為10dB的動態閥值735值，則在利用經更新的權重訓練神經網路之後，可能基於相同的當前通訊量測集合而產生為12dB的動態閥值735值。
圖8圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的程序流800的實例。程序流800可以示出UE 115-c處的實例天線切換程序。UE 115-c可以與基地台105-c或另一無線設備進行通訊。UE 115-c和基地台105-c可以是參照圖1至圖7描述的對應的無線設備的實例。在一些情況下，代替UE 115-c實現天線切換程序，不同類型的無線設備（例如，基地台105）可以實現ASDIV。可以實現以下的替代實例，其中一些步驟可以以與所描述的順序不同的循序執行或根本不執行。在一些實現中，步驟可以包括下文未提及的額外特徵，或者可以添加額外的步驟。
在805處，UE 115-c可以使用天線集合中的第一天線與無線設備（例如，基地台105-c）進行通訊。在810處，UE 115-c可以基於當前通訊量測來對天線集合執行天線切換測試。在一些情況下，當前通訊量測（其可以被稱為針對第一天線（亦即，活動天線）的「第一」當前通訊量測）可以是針對第一天線的第一RSRP量測的實例。UE 115-c可以量測針對天線集合之每一者天線的RSRP，並且若在量測週期的閥值時間百分比期間（例如，50％）針對第一天線的第一RSRP是針對天線集合的最高RSRP值，則可以執行天線切換測試。在一些其他情況下，當前通訊量測可以是針對第一天線的發射功率量測的實例（例如，其中回饋接收器可以決定用於第一天線的發射功率）。若用於第一天線的發射功率大於發射功率閥值（例如，23dB），則UE 115-c可以執行天線切換測試。
在815處，UE 115-c可以基於執行天線切換測試來啟動包括神經網路的機器學習代理單元。神經網路可以是通用神經網路，或者可以是特定於晶片組、UE的類型、UE 115-c，UE 115-c的使用者或這些的某種組合的。在820處，UE 115-c可以基於當前通訊量測來將動態閥值從第一閥值更新為第二閥值（例如，不同於第一閥值）。在一些情況下，可以基於神經網路來更新動態閥值。例如，UE 115-c可以將在天線集合中的天線之間的RSRP的差集合輸入到神經網路中，接收用於動態閥值的閥值集合作為神經網路的輸出，並且基於與第二閥值相關聯的概率值來從閥值集合中選擇第二閥值。
在一些情況下，UE 115-c可以在UE 115-c處啟動針對機器學習代理單元的訓練。可以基於天線切換度量、UE訓練排程、或其組合來啟動機器學習代理單元訓練。訓練可以涉及：基於天線切換的數量、使用天線集合中的具有最高RSRP（或針對給定SINR的最低發射功率）的天線進行操作的時間量、或兩者，來更新在神經網路的節點之間的一或多個權重。在一些實例中，為了支援訓練，UE 115-c可以根據靜態閥值來追蹤天線切換決策程序（例如，當基於根據動態閥值的天線切換決策程序進行操作時）。更新神經網路權重可以涉及：將使用動態閥值的天線切換的數量與使用靜態閥值的天線切換的數量進行比較；及基於該比較來將獎勵值或成本值應用於用於神經網路的成本函數。補充或替代地，更新神經網路權重可以涉及：將使用動態閥值使用天線集合中的具有最高RSRP的天線進行操作的時間量與使用靜態閥值使用天線集合中的具有最高RSRP的天線進行操作的時間量進行比較；及可以基於該比較來將獎勵值或成本值應用於用於神經網路的成本函數。在一些情況下，UE 115-c可以去啟動針對UE 115-c處的機器學習代理單元的訓練（例如，基於天線切換度量、UE訓練排程、或兩者）。
在825處，UE 115-c可以基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從天線集合中的第一天線切換到第二天線。在一些情況下，可以經由量測針對第一天線的第一當前通訊量測（例如，第一RSRP值）和針對第二天線的第二當前通訊量測（例如，第二RSRP值）並且計算在第二當前通訊量測值與第一當前通訊量測值之間的差（例如，RSRP Δ值），來決定該比較直。這裡，「第一」和「第二」可能不表示時間關聯，而是替代地指示針對哪個天線（亦即，第一天線或第二天線）執行量測。若UE 115-c決定所計算的差（例如，RSRP Δ值）大於或等於動態閥值，則UE 115-c可以切換操作天線。
在830處，UE 115-c可以基於天線切換來使用第二天線與無線設備（例如，基地台105-c）進行通訊。在一些情況下，天線切換可以減小由UE 115-c用於傳輸的發射功率。UE 115-c可以基於下行鏈路信號的通訊量測來切換用於發送上行鏈路信號的操作天線。
在一些系統中，UE 115-c可以根據量測週期來週期性地執行本文描述的程序。例如，UE 115-c可以在量測週期內週期性地量測當前通訊量測，其中當前通訊量測與在量測週期內操作天線的平均RSRP或平均發射功率相對應。UE 115-c可以根據量測週期並且基於當前通訊量測的週期性量測來週期性地決定是否執行天線切換測試。量測週期的長度可以是靜態的（例如，640 ms）或動態的（例如，基於通道品質、UE 115-c的速度、系統的變化等）。
此外，在一些系統中，UE 115-c可以實現本文描述的程序以支援多天線切換。例如，UE 115-c可以使用第一天線集合進行操作，並且可以基於一或多個動態閥值來切換為使用第二天線集合進行操作。第一天線集合和第二天線集合可以是不同的，或者可以包括一或多個相同的天線。例如，UE 115-c可以基於動態閥值來切換活動天線集合中的一個天線，或者UE 115-c可以基於動態閥值（或基於多個動態閥值）來切換活動天線集合中的多個天線。
圖9圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的設備905的方塊圖900。設備905可以是如本文描述的UE 115的各態樣的實例。設備905可以包括接收器910、天線管理器915和發射器920。設備905亦可以包括處理器。這些部件之每一者部件可以相互通訊（例如，經由一或多個匯流排）。
接收器910可以接收諸如封包、使用者資料或者與各種資訊通道（例如，控制通道、資料通道以及與使用機器學習代理單元的用於ASDIV的動態閥值相關的資訊等）相關聯的控制資訊之類的資訊。可以將資訊傳遞給設備905的其他部件。接收器910可以是參照圖12描述的收發機1220的各態樣的實例。接收器910可以利用單個天線或天線集合。
在一個實施例中，天線管理器915可以進行以下操作：使用天線集合中的第一天線與無線設備進行通訊；基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值；基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線；及基於該切換來使用第二天線與無線設備進行通訊。
由於動態閥值可以減少由UE 115執行的天線切換的數量，因此該實施例可以支援在UE 115處的降低的功耗。另外，由於動態閥值可以提高UE 115使用天線集合中的最優天線（例如，具有最高當前RSRP的天線）進行操作的時間百分比，因此該實施例可以提高傳輸可靠性。此外，天線切換的減少可以允許UE 115減輕與每個天線切換相關聯的天線輸送量的損耗。
此外，基於根據動態閥值來切換天線集合中的天線，UE 115的處理器（例如，其控制接收器910、天線管理器915、發射器920及/或參照圖12描述的收發機1220）可以減少處理ASDIV所需的處理資源，因為處理器可不太頻繁地發信號通知天線切換。另外，基於活動天線的提高的輸送量，可以減少針對UE 115的重傳的數量。因此，處理器可以減少用於準備用於重傳的傳輸塊（TB）的處理資源。重傳的減少亦可以降低系統中的訊號傳遞管理負擔。
天線管理器915或其子部件可以用硬體、由處理器執行的代碼（例如，軟體或韌體）或其任意組合來實現。若用由處理器執行的代碼來實現，則天線管理器915或其子部件的功能可以由被設計為執行本案內容中描述的功能的通用處理器、DSP、ASIC、FPGA或其他可程式設計邏輯裝置、個別閘門或者電晶體邏輯、個別硬體部件或者其任意組合來執行。
天線管理器915或其子部件可以在實體上位於各個位置處，包括被分佈以使得由一或多個實體部件在不同的實體位置處實現功能中的部分功能。在一些實例中，根據本案內容的各個態樣，天線管理器915或其子部件可以是分離且不同的部件。在一些實例中，根據本案內容的各個態樣，天線管理器915或其子部件可以與一或多個其他硬體部件（包括但不限於輸入/輸出（I/O）部件、收發機、網路服務器、另一計算設備、本案內容中描述的一或多個其他部件、或其組合）組合。
發射器920可以發送由設備905的其他部件所產生的信號。在一些實例中，發射器920可以與接收器910共置於收發機模組中。例如，發射器920可以是參照圖12描述的收發機1220的各態樣的實例。發射器920可以利用單個天線或天線集合。
圖10圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的設備1005的方塊圖1000。設備1005可以是如本文描述的設備905或UE 115的各態樣的實例。設備1005可以包括接收器1010、天線管理器1015和發射器1040。設備1005亦可以包括處理器。這些部件之每一者部件可以相互通訊（例如，經由一或多個匯流排）。
接收器1010可以接收諸如封包、使用者資料或者與各種資訊通道（例如，控制通道、資料通道以及與使用機器學習代理單元的用於ASDIV的動態閥值相關的資訊等）相關聯的控制資訊之類的資訊。可以將資訊傳遞給設備1005的其他部件。接收器1010可以是參照圖12描述的收發機1220的各態樣的實例。接收器1010可以利用單個天線或天線集合。
天線管理器1015可以是如本文描述的天線管理器915的各態樣的實例。天線管理器1015可以包括通訊部件1020、天線切換測試部件1025、閥值更新部件1030和切換部件1035。天線管理器1015可以是本文描述的天線管理器1210的各態樣的實例。
通訊部件1020可以使用天線集合中的第一天線與無線設備進行通訊。在一些情況下，通訊部件1020可以是以下各項的部件或者與以下各項進行通訊：接收器1010、發射器1040或這些的某種組合。天線切換測試部件1025可以基於當前通訊量測來決定對天線集合執行天線切換測試。閥值更新部件1030可以基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值。切換部件1035可以基於經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線。通訊部件1020可以基於該切換來使用第二天線與無線設備進行通訊。
發射器1040可以發送由設備1005的其他部件所產生的信號。在一些實例中，發射器1040可以與接收器1010共置於收發機模組中。例如，發射器1035可以是參照圖12描述的收發機1220的各態樣的實例。發射器1040可以利用單個天線或天線集合。
圖11圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的天線管理器1105的方塊圖1100。天線管理器1105可以是本文描述的天線管理器915、天線管理器1015或天線管理器1210的各態樣的實例。天線管理器1105可以包括通訊部件1110、天線切換測試部件1115、閥值更新部件1120、切換部件1125、機器學習代理單元1130、訓練部件1135、閥值比較部件1140、發射功率部件1145、量測週期部件1150、或這些或其他類似部件的任何組合。這些模組中的每一個可以直接或間接地彼此通訊（例如，經由一或多個匯流排）。在一些情況下，天線管理器1105可以是UE 115的部件。
通訊部件1110可以使用天線集合中的第一天線與無線設備進行通訊。天線切換測試部件1115可以基於當前通訊量測來決定對天線集合執行天線切換測試。
在一些情況下，當前通訊量測可以是針對第一天線的第一RSRP的實例。在這些情況中的一些情況下，執行天線切換測試可以涉及：天線切換測試部件1115量測針對天線集合之每一者天線的RSRP，並且辨識在小於量測週期的閥值時間百分比期間針對第一天線的第一RSRP是針對天線集合的最高RSRP，其中動態閥值是基於該辨識來更新的。在一些其他情況下，當前通訊量測可以是用於第一天線的發射功率的實例。在這些其他情況中的一些情況下，執行天線切換測試可以涉及：天線切換測試部件1115辨識用於第一天線的發射功率大於發射功率閥值，其中動態閥值是基於該辨識來更新的。
在一些情況下，當前通訊量測是在量測週期內第一天線的平均RSRP和在量測週期內第一天線的平均發射功率中的一者或兩者的實例。在這些情況中的一些情況下，量測週期部件1150可以根據量測週期來週期性地量測當前通訊量測，並且可以根據量測週期並且基於週期性量測來週期性地決定是否更新動態閥值。
閥值更新部件1120可以基於當前通訊量測（例如，上述當前通訊量測或「第一」當前通訊量測值）來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值。切換部件1125可以基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線。
通訊部件1110可以基於該切換來使用第二天線與無線設備進行通訊。在一些實例中，當前通訊量測是使用回饋接收器對下行鏈路信號的量測或對發射功率的量測的實例，並且與無線設備進行通訊涉及：通訊部件1110向無線設備發送上行鏈路信號（例如，基於該切換使用第二天線）。補充或替代地，發射功率部件1145可以基於該切換來減小用於傳輸的發射功率。
在一些情況下，更新動態閥值可以是基於神經網路的。在一些實例中，使用神經網路可以涉及：機器學習代理單元1130將在天線集合中的天線之間的RSRP的差輸入到神經網路中；接收動態閥值的閥值集合作為神經網路的輸出；及基於與第二閥值相關聯的概率值來從閥值集合中選擇第二閥值。在一些實例中，機器學習代理單元1130可以決定特定於晶片組、UE的類型、UE和操作UE的使用者中的一項或多項的神經網路。
訓練部件1135可以在UE 115處啟動針對包括神經網路的機器學習代理單元1130的訓練。在一些實例中，訓練部件1135可以基於天線切換數量和使用天線集合中的具有最高RSRP的天線進行操作的時間量中的一者或兩者，來更新在神經網路的節點之間的一或多個權重，其中動態閥值是基於在神經網路的節點之間的一或多個經更新的權重來更新的。
在一些實例中，更新神經網路的節點之間的一或多個權重涉及：訓練部件1135將使用動態閥值的天線切換數量與使用靜態閥值的天線切換數量進行比較；及基於該比較來將獎勵值或成本值應用於用於神經網路的成本函數，其中更新在神經網路的節點之間的一或多個權重是基於成本函數的。補充或替代地，更新在神經網路的節點之間的一或多個權重可以涉及：訓練部件1135將使用動態閥值使用天線集合中的具有最高RSRP的天線進行操作的時間量與使用靜態閥值使用天線集合中的具有最高RSRP的天線進行操作的時間量進行比較；及基於該比較來將獎勵值或成本值應用於用於神經網路的成本函數，其中更新在神經網路的節點之間的一或多個權重是基於成本函數的。
在一些情況下，針對機器學習代理單元1130的訓練是基於天線切換數量和使用天線集合中的具有最高RSRP的天線進行操作的時間量中的一者或兩者來在UE處啟動的。在一些其他情況下，針對機器學習代理單元1130的訓練是基於UE訓練排程來在UE處啟動的。在一些實例中，訓練部件1135可以在UE 115處去啟動針對機器學習代理單元1130的訓練。
在一些情況下，當前通訊量測可以是針對第一天線的第一當前通訊量測的實例。閥值比較部件1140可以決定針對第二天線的第二當前通訊量測，並且可以計算在第二當前通訊量測與第一當前通訊量測之間的差，其中比較值對應於所計算的差。在一些實例中，閥值比較部件1140可以決定所計算的差大於或等於動態閥值，其中從第一天線到第二天線的切換是基於決定所計算的差大於或等於動態閥值的。
圖12圖示根據本案內容的各態樣的包括支援用於ASDIV的動態閥值的設備1205的系統1200的圖。設備1205可以是如本文描述的設備905、設備1005或UE 115的實例或者包括設備905、設備1005或UE 115的部件。設備1205可以包括用於雙向語音和資料通訊的部件，包括用於發送和接收通訊的部件，包括天線管理器1210、I/O控制器1215、收發機1220、天線1225、記憶體1230和處理器1240。這些部件可以經由一或多個匯流排（例如，匯流排1245）來進行電子通訊。
天線管理器1210可以進行以下操作：使用天線集合中的第一天線與無線設備進行通訊；基於當前通訊量測來決定對天線集合執行天線切換測試；基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值；基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線；及基於該切換來使用第二天線與無線設備進行通訊。
I/O控制器1215可以管理針對設備1205的輸入和輸出信號。I/O控制器1215亦可以管理沒有整合到設備1205中的周邊設備。在一些情況下，I/O控制器1215可以表示到外部周邊設備的實體連接或埠。在一些情況下，I/O控制器1215可以利用諸如iOS®、ANDROID®、MS-DOS®、MS-WINDOWS®、OS/2®、UNIX®、LINUX®之類的作業系統或另一種已知的作業系統。在其他情況下，I/O控制器1215可以表示數據機、鍵盤、滑鼠、觸控式螢幕或類似設備或者與上述設備進行互動。在一些情況下，I/O控制器1215可以被實現成處理器的一部分。在一些情況下，使用者可以經由I/O控制器1215或者經由I/O控制器1215所控制的硬體部件來與設備1205進行互動。
收發機1220可以經由如上文描述的一或多個天線、有線或無線鏈路來雙向地進行通訊。例如，收發機1220可以表示無線收發機並且可以與另一個無線收發機雙向地進行通訊。收發機1220亦可以包括數據機，其用於調制封包並且將經調制的封包提供給天線以進行傳輸，以及解調從天線接收的封包。
在一些情況下，無線設備可以包括單個天線1225。然而，在一些情況下，該設備可以具有一個以上的天線1225，它們能夠同時地發送或接收多個無線傳輸。
記憶體1230可以包括隨機存取記憶體（RAM）和唯讀記憶體（ROM）。記憶體1230可以儲存電腦可讀的、電腦可執行的代碼1235，該代碼1235包括當被執行時使得處理器執行本文描述的各種功能的指令。在一些情況下，除此之外，記憶體1230亦可以包含基本I/O系統（BIOS），其可以控制基本的硬體或軟體操作，諸如與周邊部件或設備的互動。
處理器1240可以包括智慧硬體設備（例如，通用處理器、DSP、CPU、微控制器、ASIC、FPGA、可程式設計邏輯裝置、個別閘門或者電晶體邏輯部件、個別硬體部件或者其任意組合）。在一些情況下，處理器1240可以被配置為使用記憶體控制器來操作記憶體陣列。在其他情況下，記憶體控制器可以整合到處理器1240中。處理器1240可以被配置為執行記憶體（例如，記憶體1230）中儲存的電腦可讀取指令以使得設備1205執行各種功能（例如，支援使用機器學習代理單元的用於天線切換分集的動態閥值的功能或任務）。
代碼1235可以包括用於實現本案內容的各態樣的指令，包括用於支援無線通訊的指令。代碼1235可以被儲存在非暫時性電腦可讀取媒體（例如，系統記憶體或其他類型的記憶體）中。在一些情況下，代碼1235可能不是可由處理器1240直接執行的，但是可以使得電腦（例如，當被編譯和被執行時）執行本文描述的功能。
圖13圖示說明根據本案內容的各態樣的支援用於ASDIV的動態閥值的方法1300的流程圖。方法1300的操作可以由如本文描述的UE 115或其部件來實現。例如，方法1300的操作可以由如參照圖9至圖12描述的天線管理器來執行。在一些實例中，UE可以執行指令集以控制UE的功能單元以執行下文描述的功能。補充或替代地，UE可以使用專用硬體來執行下文描述的功能的各態樣。
在1305處，UE可以使用天線集合中的第一天線與無線設備進行通訊。可以根據本文描述的方法來執行1305的操作。在一些實例中，1305的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
在1310處，UE可以基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值。可以根據本文描述的方法來執行1310的操作。在一些實例中，1310的操作的各態樣可以由如參照圖9至圖12描述的閥值更新部件來執行。
在1315處，UE可以基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線。可以根據本文描述的方法來執行1315的操作。在一些實例中，1315的操作的各態樣可以由如參照圖9至圖12描述的切換部件來執行。
在1320處，UE可以基於該切換來使用第二天線與無線設備進行通訊。可以根據本文描述的方法來執行1320的操作。在一些實例中，1320的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
圖14圖示說明根據本案內容的各態樣的支援用於ASDIV的動態閥值的方法1400的流程圖。方法1400的操作可以由如本文描述的UE 115或其部件來實現。例如，方法1400的操作可以由如參照圖9至圖12描述的天線管理器來執行。在一些實例中，UE可以執行指令集以控制UE的功能單元以執行下文描述的功能。補充或替代地，UE可以使用專用硬體來執行下文描述的功能的各態樣。
在1405處，UE可以使用天線集合中的第一天線與無線設備進行通訊。可以根據本文描述的方法來執行1405的操作。在一些實例中，1405的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
在1410處，UE可以基於當前通訊量測來決定對天線集合執行天線切換測試。可以根據本文描述的方法來執行1410的操作。在一些實例中，1410的操作的各態樣可以由如參照圖9至圖12描述的天線切換測試部件來執行。
在1415處，UE可以使用神經網路來決定經更新的動態閥值。使用神經網路可以涉及如本文描述的1420、1425和1430的操作。可以根據本文描述的方法來執行1415的操作。在一些實例中，1415的操作的各態樣可以由如參照圖9至圖12描述的機器學習代理單元來執行。
在1420處，UE可以將在天線集合中的天線之間的RSRP的差輸入到神經網路中。可以根據本文描述的方法來執行1420的操作。在一些實例中，1420的操作的各態樣可以由如參照圖9至圖12描述的機器學習代理單元來執行。
在1425處，UE可以接收動態閥值的閥值集合作為神經網路的輸出。可以根據本文描述的方法來執行1425的操作。在一些實例中，1425的操作的各態樣可以由如參照圖9至圖12描述的機器學習代理單元來執行。
在1430處，UE可以基於與第二閥值相關聯的概率值來從閥值集合中選擇第二閥值。可以根據本文描述的方法來執行1430的操作。在一些實例中，1430的操作的各態樣可以由如參照圖9至圖12描述的機器學習代理單元來執行。
在1435處，UE可以基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值。可以根據本文描述的方法來執行1435的操作。在一些實例中，1435的操作的各態樣可以由如參照圖9至圖12描述的閥值更新部件來執行。
在1440處，UE可以基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線。可以根據本文描述的方法來執行1440的操作。在一些實例中，1440的操作的各態樣可以由如參照圖9至圖12描述的切換部件來執行。
在1445處，UE可以基於該切換來使用第二天線與無線設備進行通訊。可以根據本文描述的方法來執行1445的操作。在一些實例中，1445的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
圖15圖示說明根據本案內容的各態樣的支援用於ASDIV的動態閥值的方法1500的流程圖。方法1500的操作可以由如本文描述的UE 115或其部件來實現。例如，方法1500的操作可以由如參照圖9至圖12描述的天線管理器來執行。在一些實例中，UE可以執行指令集以控制UE的功能單元以執行下文描述的功能。補充或替代地，UE可以使用專用硬體來執行下文描述的功能的各態樣。
在1505處，UE可以在UE處啟動針對機器學習代理單元的訓練。可以根據本文描述的方法來執行1505的操作。在一些實例中，1505的操作的各態樣可以由如參照圖9至圖12描述的訓練部件來執行。
在1510處，UE可以使用天線集合中的第一天線與無線設備進行通訊。可以根據本文描述的方法來執行1510的操作。在一些實例中，1510的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
在1515處，UE可以基於當前通訊量測來決定對天線集合執行天線切換測試。可以根據本文描述的方法來執行1515的操作。在一些實例中，1515的操作的各態樣可以由如參照圖9至圖12描述的天線切換測試部件來執行。
在1520處，UE可以基於執行天線切換測試來啟動包括神經網路的機器學習代理單元，其中動態閥值是基於神經網路來更新的。可以根據本文描述的方法來執行1520的操作。在一些實例中，1520的操作的各態樣可以由如參照圖9至圖12描述的機器學習代理單元來執行。
在1525處，UE可以基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值。可以根據本文描述的方法來執行1525的操作。在一些實例中，1525的操作的各態樣可以由如參照圖9至圖12描述的閥值更新部件來執行。
在1530處，UE可以基於在經更新的動態閥值與基於當前通訊量測的比較值之間的比較，來從第一天線切換到天線集合中的第二天線。可以根據本文描述的方法來執行1530的操作。在一些實例中，1530的操作的各態樣可以由如參照圖9至圖12描述的切換部件來執行。
在1535處，UE可以基於該切換來使用第二天線與無線設備進行通訊。可以根據本文描述的方法來執行1535的操作。在一些實例中，1535的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
在1540處，UE可以基於天線切換數量和使用天線集合中的具有最高RSRP的天線進行操作的時間量中的一者或兩者，來更新在神經網路的節點之間的一或多個權重。更新權重可以是基於所啟動的針對機器學習代理單元的訓練的。可以根據本文描述的方法來執行1540的操作。在一些實例中，1535的操作的各態樣可以由如參照圖9至圖12描述的訓練部件來執行。
圖16圖示說明根據本案內容的各態樣的支援用於ASDIV的動態閥值的方法1600的流程圖。方法1600的操作可以由如本文描述的UE 115或其部件來實現。例如，方法1600的操作可以由如參照圖9至圖12描述的天線管理器來執行。在一些實例中，UE可以執行指令集以控制UE的功能單元以執行下文描述的功能。補充或替代地，UE可以使用專用硬體來執行下文描述的功能的各態樣。
在1605處，UE可以使用天線集合中的第一天線與無線設備進行通訊。可以根據本文描述的方法來執行1605的操作。在一些實例中，1605的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
在1610處，UE可以基於當前通訊量測來決定對天線集合執行天線切換測試。可以根據本文描述的方法來執行1610的操作。在一些實例中，1610的操作的各態樣可以由如參照圖9至圖12描述的天線切換測試部件來執行。
在1615處，UE可以決定針對第二天線的第二當前通訊量測。可以根據本文描述的方法來執行1615的操作。在一些實例中，1615的操作的各態樣可以由如參照圖9至圖12描述的閥值比較部件來執行。
在1620處，UE可以基於當前通訊量測來將動態閥值從第一閥值更新為不同於第一閥值的第二閥值。可以根據本文描述的方法來執行1620的操作。在一些實例中，1620的操作的各態樣可以由如參照圖9至圖12描述的閥值更新部件來執行。
在1625處，UE可以計算在第二當前通訊量測與第一當前通訊量測之間的差。可以根據本文描述的方法來執行1625的操作。在一些實例中，1625的操作的各態樣可以由如參照圖9至圖12描述的閥值比較部件來執行。
在1630處，UE可以決定所計算的差大於或等於動態閥值。可以根據本文描述的方法來執行1630的操作。在一些實例中，1630的操作的各態樣可以由如參照圖9至圖12描述的閥值比較部件來執行。
在1635處，UE可以基於在經更新的動態閥值與基於當前通訊量測的比較值（亦即，所計算的差）之間的比較，來從第一天線切換到天線集合中的第二天線。亦即，從第一天線到第二天線的切換是基於決定所計算的差大於或等於動態閥值的。可以根據本文描述的方法來執行1635的操作。在一些實例中，1635的操作的各態樣可以由如參照圖9至圖12描述的切換部件來執行。
在1640處，UE可以基於該切換來使用第二天線與無線設備進行通訊。可以根據本文描述的方法來執行1640的操作。在一些實例中，1640的操作的各態樣可以由如參照圖9至圖12描述的通訊部件來執行。
如本文參照圖13至圖16（並且更通常，參照圖1至圖16）所使用的，可以以與解釋短語「至少部分地基於」相同的方式來解釋短語「基於」。亦即，短語「基於」不應當被解釋為對封閉的條件集合的引用。例如，在不脫離本案內容的範疇的情況下，被描述為「基於條件A」的示例性步驟可以基於條件A和條件B兩者。
下文描述的是方法、系統或裝置的多個實施例，包括用於實現方法或實現裝置的單元、儲存可由一或多個處理器執行以使得一或多個處理器實現方法的指令的非暫時性電腦可讀取媒體、以及包括一或多個處理器和與一或多個處理器耦合的記憶體的系統，該記憶體儲存可由一或多個處理器執行以使得系統或裝置實現方法的指令。應當理解，這些僅是可能實施例的一些實例，並且在不脫離本案內容的範疇的情況下，其他實例對於本發明所屬領域中具有通常知識者而言將是顯而易見的。
實施例1：一種用於UE處的無線通訊的方法，包括：使用複數個天線中的第一天線與無線設備進行通訊；至少部分地基於當前通訊量測來將動態閥值從第一閥值更新為不同於該第一閥值的第二閥值；至少部分地基於在經更新的動態閥值與至少部分地基於該當前通訊量測的比較值之間的比較，來從該第一天線切換到該複數個天線中的第二天線；及至少部分地基於該切換來使用該第二天線與該無線設備進行通訊。
實施例2：根據實施例1之方法，其中該動態閥值是至少部分地基於神經網路來更新的。
實施例3：根據實施例2之方法，其中更新該動態閥值包括：將在該複數個天線中的天線之間的RSRP的差集合輸入到該神經網路中；接收該動態閥值的閥值集合作為該神經網路的輸出；及至少部分地基於與該第二閥值相關聯的概率值來從該閥值集合中選擇該第二閥值。
實施例4：根據實施例2或3之方法，亦包括：在該UE處啟動針對包括該神經網路的機器學習代理單元的訓練；及至少部分地基於天線切換數量和使用該複數個天線中的具有最高RSRP的天線進行操作的時間量中的一者或兩者，來更新在該神經網路的節點之間的一或多個權重，其中該動態閥值是至少部分地基於在該神經網路的該節點之間的一或多個經更新的權重來更新的。
實施例5：根據實施例4之方法，其中更新在該神經網路的該節點之間的該一或多個權重包括：將使用該動態閥值的該天線切換數量與使用靜態閥值的天線切換數量進行比較；及至少部分地基於該比較來將獎勵值或成本值應用於用於該神經網路的成本函數，其中更新在該神經網路的該節點之間的該一或多個權重是至少部分地基於該成本函數的。
實施例6：根據實施例4之方法，其中更新在該神經網路的該節點之間的該一或多個權重包括：將使用該動態閥值使用該複數個天線中的具有該最高RSRP的該天線進行操作的該時間量與使用靜態閥值使用該複數個天線中的具有該最高RSRP的該天線進行操作的時間量進行比較；及至少部分地基於該比較來將獎勵值或成本值應用於用於該神經網路的成本函數，其中更新在該神經網路的該節點之間的該一或多個權重是至少部分地基於該成本函數的。
實施例7：根據實施例4之方法，其中更新在該神經網路的該節點之間的該一或多個權重包括：將使用該動態閥值的該天線切換數量與使用靜態閥值的天線切換數量進行比較；至少部分地基於該對該天線切換數量進行比較來將第一獎勵值或第一成本值應用於用於該神經網路的成本函數；將使用該動態閥值使用該複數個天線中的具有該最高RSRP的該天線進行操作的該時間量與使用靜態閥值使用該複數個天線中的具有該最高RSRP的該天線進行操作的時間量進行比較；及至少部分地基於該對使用具有該最高RSRP的該天線進行操作的該時間量進行比較來將第二獎勵值或第二成本值應用於用於該神經網路的該成本函數，其中更新在該神經網路的該節點之間的該一或多個權重是至少部分地基於該成本函數的。
實施例8：根據實施例4至7中任一項所述的方法，其中針對該機器學習代理單元的該訓練是至少部分地基於該天線切換數量和使用該複數個天線中的具有該最高RSRP的該天線進行操作的該時間量中的一者或兩者來在該UE處啟動的。
實施例9：根據實施例4至7中任一項所述的方法，其中針對該機器學習代理單元的該訓練是至少部分地基於UE訓練排程來在該UE處啟動的。
實施例10：根據實施例4至9中任一項所述的方法，亦包括：在該UE處去啟動針對該機器學習代理單元的該訓練。
實施例11：根據實施例2至10中任一項所述的方法，亦包括：決定特定於晶片組、UE的類型、該UE和操作該UE的使用者中的一項或多項的該神經網路。
實施例12：根據實施例1至11中任一項所述的方法，其中該當前通訊量測包括針對該第一天線的第一RSRP，該方法亦包括：量測針對該複數個天線之每一者天線的RSRP；及辨識針對在小於量測週期的閥值時間百分比期間該第一天線的該第一RSRP是針對該複數個天線的最高RSRP，其中該動態閥值是至少部分地基於該辨識來更新的。
實施例13：根據實施例1至11中任一項所述的方法，其中該當前通訊量測包括用於該第一天線的發射功率，該方法亦包括：辨識用於該第一天線的該發射功率大於發射功率閥值，其中該動態閥值是至少部分地基於該辨識來更新的。
實施例14：根據實施例1至13中任一項所述的方法，其中該當前通訊量測包括針對該第一天線的第一當前通訊量測，該方法亦包括：決定針對該第二天線的第二當前通訊量測；及計算在該第二當前通訊量測與第一當前通訊量測之間的差，其中該比較值包括所計算的差。
實施例15：根據實施例14之方法，亦包括：決定所計算的差大於或等於該動態閥值，其中從該第一天線到該第二天線的該切換是至少部分地基於決定所計算的差大於或等於該動態閥值的。
實施例16：根據實施例1至15中任一項所述的方法，亦包括：至少部分地基於該切換來減小用於傳輸的發射功率。
實施例17：根據實施例1至16中任一項所述的方法，其中該當前通訊量測包括使用回饋接收器對下行鏈路信號的量測或對發射功率的量測，並且其中該使用該第二天線與該無線設備進行通訊包括：至少部分地基於該切換來使用該第二天線向該無線設備發送上行鏈路信號。
實施例18：根據實施例1至17中任一項所述的方法，其中該當前通訊量測包括在量測週期內該第一天線的平均RSRP和在該量測週期內該第一天線的平均發射功率中的一者或兩者。
實施例19：根據實施例18之方法，亦包括：根據該量測週期來週期性地量測該當前通訊量測；及根據該量測週期並且至少部分地基於該週期性量測來週期性地決定是否更新該動態閥值。
實施例20：一種裝置，包括用於執行如實施例1至19中任一項所述的一種方法的至少一個單元。
實施例21：一種用於無線通訊的裝置，包括：處理器；及與該處理器進行電子通訊的記憶體，該記憶體儲存可由該處理器執行以使該裝置執行如實施例1至19中任一項所述的一種方法的指令。
實施例22：一種儲存用於無線通訊的代碼的非暫時性電腦可讀取媒體，該代碼包括可由處理器執行以執行如實施例1至19中任一項所述的一種方法的指令。
應當注意的是，本文描述的方法描述了可能的實現方式，並且操作和步驟可以被重新排列或者以其他方式修改，並且其他實現是可能的。此外，來自兩種或更多種方法的各態樣可以被組合。
本文描述的技術可以用於各種無線通訊系統，諸如分碼多工存取（CDMA）、分時多工存取（TDMA）、分頻多工存取（FDMA）、正交分頻多工存取（OFDMA）、單載波分頻多工存取（SC-FDMA）和其他系統。CDMA系統可以實現諸如CDMA 2000、通用陸地無線電存取（UTRA）等的無線電技術。CDMA2000涵蓋IS-2000、IS-95和IS-856標準。IS-2000版本通常可以被稱為CDMA2000 1X、1X等。IS-856（TIA-856）通常被稱為CDMA2000 1xEV-DO、高速封包資料（HRPD）等。UTRA包括寬頻CDMA（W-CDMA）和CDMA的其他變型。TDMA系統可以實現諸如行動通訊全球系統（GSM）之類的無線電技術。
OFDMA系統可以實現諸如超行動寬頻（UMB）、進化型UTRA（E-UTRA）、電氣與電子工程師協會（IEEE）802.11（Wi-Fi）、IEEE 802.16（WiMAX）、IEEE 802.20、快閃-OFDM等的無線電技術。UTRA和E-UTRA是通用行動電信系統（UMTS）的一部分。LTE、LTE-A和LTE-A專業是UMTS的使用E-UTRA的版本。在來自名稱為「第3代合作夥伴計畫」（3GPP）的組織的文件中描述了UTRA、E-UTRA、UMTS、LTE、LTE-A、LTE-A專業、NR和GSM。在來自名稱為「第3代合作夥伴計畫2」（3GPP2）的組織的文件中描述了CDMA2000和UMB。本文中描述的技術可以用於本文提及的系統和無線電技術以及其他系統和無線電技術。儘管可能出於舉例的目的，描述了LTE、LTE-A、LTE-A專業或NR系統的各態樣，並且可能在大部分的描述中使用了LTE、LTE-A、LTE-A專業或NR術語，但是本文中描述的技術可以適用於LTE、LTE-A、LTE-A專業或NR應用之外的範圍。
巨集細胞通常覆蓋相對大的地理區域（例如，半徑為若干公里），並且可以允許由具有與網路提供商的服務訂制的UE進行不受限制的存取。相比於巨集細胞，小型細胞可以與較低功率的基地台相關聯，並且小型細胞可以在與巨集細胞相同或不同（例如，經許可、免許可等）的頻帶中操作。根據各個實例，小型細胞可以包括微微細胞、毫微微細胞和微細胞。例如，微微細胞可以覆蓋小的地理區域，並且可以允許由具有與網路提供商的服務訂制的UE進行不受限制的存取。毫微微細胞亦可以覆蓋小的地理區域（例如，住宅），並且可以提供由與該毫微微細胞具有關聯的UE（例如，封閉用戶群組（CSG）中的UE、針對住宅中的使用者的UE等）進行的受限制的存取。針對巨集細胞的eNB可以被稱為巨集eNB。針對小型細胞的eNB可以被稱為小型細胞eNB、微微eNB、毫微微eNB或家庭eNB。eNB可以支援一或多個（例如，兩個、三個、四個等）細胞，以及亦可以支援使用一或多個分量載波的通訊。
本文中描述的無線通訊系統可以支援同步或非同步操作。對於同步操作，基地台可以具有相似的訊框定時，並且來自不同基地台的傳輸可以在時間上近似對準。對於非同步作業，基地台可以具有不同的訊框定時，並且來自不同基地台的傳輸可以不在時間上對準。本文中描述的技術可以用於同步或非同步作業。
本文中描述的資訊和信號可以使用各種不同的技術和方法中的任何一種來表示。例如，可能貫穿描述所提及的資料、指令、命令、資訊、信號、位元、符號和碼片可以由電壓、電流、電磁波、磁場或粒子、光場或粒子或者其任意組合來表示。
可以利用被設計為執行本文所述功能的通用處理器、DSP、ASIC、FPGA或其他可程式設計邏輯裝置、個別閘門或者電晶體邏輯、個別硬體部件或者其任意組合來實現或執行結合本文的揭示內容描述的各種說明性的框和模組。通用處理器可以是微處理器，但是在替代方式中，處理器可以是任何習知的處理器、控制器、微控制器或者狀態機。處理器亦可以實現為計算設備的組合（例如，DSP和微處理器的組合、多個微處理器、一或多個微處理器與DSP核的結合、或者任何其他這種配置）。
本文中所描述的功能可以用硬體、由處理器執行的軟體、韌體或其任意組合來實現。若用由處理器執行的軟體來實現，該等功能可以作為一或多個指令或代碼儲存在電腦可讀取媒體上或經由其進行發送。其他實例和實現方式在本案內容和所附請求項的範疇之內。例如，由於軟體的性質，本文描述的功能可以使用由處理器執行的軟體、硬體、韌體、硬接線或這些項中的任意項的組合來實現。實現功能的特徵亦可以在實體上位於各個位置處，包括被分佈為使得功能中的各部分功能在不同的實體位置處實現。
電腦可讀取媒體包括非暫時性電腦儲存媒體和通訊媒體二者，通訊媒體包括促進電腦程式從一個地方到另一個地方的傳送的任何媒體。非暫時性儲存媒體可以是能夠由通用電腦或專用電腦存取的任何可用媒體。經由舉例而非限制的方式，非暫時性電腦可讀取媒體可以包括RAM、ROM、電子可抹除可程式設計ROM（EEPROM）、快閃記憶體、壓縮光碟（CD）ROM或其他光碟儲存、磁碟儲存或其他磁存放裝置、或能夠用於以指令或資料結構的形式攜帶或儲存期望的程式碼單元以及能夠由通用或專用電腦、或通用或專用處理器存取的任何其他非暫時性媒體。此外，任何連接適當地被稱為電腦可讀取媒體。例如，若軟體是使用同軸電纜、光纖光纜、雙絞線、數位用戶線路（DSL）或諸如紅外線、無線電和微波之類的無線技術來從網站、伺服器或其他遠端源發送的，則同軸電纜、光纖光纜、雙絞線、DSL或諸如紅外線、無線電和微波之類的無線技術被包括在媒體的定義內。如本文中所使用的，磁碟和光碟包括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複製資料，而光碟則利用鐳射來光學地複製資料。上文的組合亦被包括在電腦可讀取媒體的範疇內。
如本文所使用的（包括在請求項中），如項目列表（例如，以諸如「中的至少一個」或「中的一或多個」之類的短語結束的項目列表）中所使用的「或」指示包含性列表，使得例如A、B或C中的至少一個的列表意指A或B或C或AB或AC或BC或ABC（即A和B和C）。此外，如本文所使用的，短語「基於」不應當被解釋為對封閉的條件集合的引用。例如，在不脫離本案內容的範疇的情況下，被描述為「基於條件A」的示例性步驟可以基於條件A和條件B兩者。換句話說，如本文所使用的，應當以與解釋短語「至少部分地基於」相同的方式來解釋短語「基於」。
在附圖中，相似的部件或特徵可以具有相同的元件符號。此外，相同類型的各種部件可以經由在元件符號後跟隨有破折號和第二標記進行區分，該第二標記用於在相似部件之間進行區分。若在說明書中僅使用了第一元件符號，則描述適用於具有相同的第一元件符號的相似部件中的任何一個部件，而不考慮第二元件符號或其他後續元件符號。
本文結合附圖闡述的描述對實例配置進行了描述，而不表示可以實現或在請求項的範疇內的所有實例。本文所使用的術語「示例性」意味著「用作實例、例子或說明」，而不是「優選的」或者「比其他實例有優勢」。出於提供對所描述的技術的理解的目的，詳細描述包括具體細節。但是，可以在沒有這些具體細節的情況下實施這些技術。在一些實例中，公知的結構和設備以方塊圖的形式示出，以便避免使所描述的實例的概念模糊。
為使本發明所屬領域中具有通常知識者能夠實現或者使用本案內容，提供了本文中的描述。對於本發明所屬領域中具有通常知識者來說，對本案內容的各種修改將是顯而易見的，並且在不脫離本案內容的範疇的情況下，本文中定義的整體原理可以應用於其他變型。因此，本案內容不限於本文中描述的實例和設計，而是被賦予與本文中揭示的原理和新穎特徵相一致的最廣範疇。
100:無線通訊系統 105:基地台 105-a:基地台 105-b:基地台 105-c:基地台 110:覆蓋區域 110-a:地理覆蓋區域 115:UE 115-a:UE 115-b:UE 115-c:UE 120:回載鏈路 125:通訊鏈路 130:核心網路 140:存取網路實體 145:存取網路傳輸實體 200:無線通訊系統 205:下行鏈路通道 210:上行鏈路通道 215-a:第一天線 215-b:第二天線 300:無線通訊系統 305-a:第一天線 305-b:第二天線 310-a:上行鏈路訊號傳遞 310-b:上行鏈路訊號傳遞 315:下行鏈路訊號傳遞 320-a:天線切換閥值 320-b:天線切換閥值 400:機器學習代理單元訓練 405-a:部署前訓練 405-b:部署後訓練 410-a:機器學習代理單元 410-b:機器學習代理單元 410-c:機器學習代理單元 415:環境模擬器 420:評分函數 450-a:第一環境 450-b:環境 450-c:環境 500:機器學習模型 505:輸入值 510:神經網路 515:輸入層 520:隱藏層 525:輸出層 530-a:輸入層節點 530-b:輸入層節點 530-c:輸入層節點 535-a:隱藏層節點 535-b:隱藏層節點 535-c:隱藏層節點 535-d:隱藏層節點 540-a:輸出層節點 540-b:輸出層節點 540-c:輸出層節點 545:輸出值 600:決策圖 605:方塊 610:方塊 615:方塊 620:方塊 625:方塊 630:方塊 635:方塊 640:方塊 645:方塊 650:方塊 655:方塊 660:方塊 665:方塊 670:方塊 700:天線切換程序 705:量測時段 710:RSRP值 715-a:天線 715-b:天線 720:當前操作天線 725:天線切換 725-a:天線切換 725-b:天線切換 730:RSRP Δ閥值 735:動態閥值 740:靜態閥值 800:程序流 805:程序 810:程序 815:程序 820:程序 825:程序 830:程序 900:方塊圖 905:設備 910:接收器 915:天線管理器 920:發射器 1000:方塊圖 1005:設備 1010:接收器 1015:天線管理器 1020:通訊部件 1025:天線切換測試部件 1030:閥值更新部件 1035:切換部件 1040:發射器 1100:方塊圖 1105:天線管理器 1110:通訊部件 1115:天線切換測試部件 1120:閥值更新部件 1125:切換部件 1130:機器學習代理單元 1135:訓練部件 1140:閥值比較部件 1145:發射功率部件 1150:量測週期部件 1200:系統 1205:設備 1210:天線管理器 1215:I/O控制器 1220:收發機 1225:天線 1230:記憶體 1235:代碼 1240:處理器 1245:匯流排 1300:方法 1305:方塊 1310:方塊 1315:方塊 1320:方塊 1400:方法 1405:方塊 1410:方塊 1415:方塊 1420:方塊 1425:方塊 1430:方塊 1435:方塊 1440:方塊 1445:方塊 1500:方法 1505:方塊 1510:方塊 1515:方塊 1520:方塊 1525:方塊 1530:方塊 1535:方塊 1540:方塊 1600:方法 1605:方塊 1610:方塊 1615:方塊 1620:方塊 1625:方塊 1630:方塊 1635:方塊 1640:方塊
圖1至圖3圖示根據本案內容的各態樣的支援用於天線切換分集（ASDIV）的動態閥值的無線通訊系統的實例。
圖4圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的機器學習代理單元訓練的實例。
圖5圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的機器學習模型的實例。
圖6圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的決策圖的實例。
圖7圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的天線切換程序的實例。
圖8圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的程序流的實例。
圖9和圖10圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的設備的方塊圖。
圖11圖示根據本案內容的各態樣的支援用於ASDIV的動態閥值的天線管理器的方塊圖。
圖12圖示根據本案內容的各態樣的包括支援用於ASDIV的動態閥值的設備的系統的圖。
圖13至圖16圖示說明根據本案內容的各態樣的支援用於ASDIV的動態閥值的方法的流程圖。
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
105-a:基地台
110-a:地理覆蓋區域
115-a:UE
200:無線通訊系統
205:下行鏈路通道
210:上行鏈路通道
215-a:第一天線
215-b:第二天線

Claims (38)

  1. 一種用於一使用者設備(UE)處的無線通訊的方法，包括以下步驟：使用複數個天線中的一第一天線與一無線設備進行通訊；獲得針對該複數個天線中的每個天線的一通訊量測；決定針對該第一天線的一第一通訊量測至少小於針對該複數個天線的另一個通訊量測達一時間閥值；至少部分地基於該決定來將一動態閥值從一第一閥值更新為不同於該第一閥值的一第二閥值；至少部分地基於在該經更新的動態閥值與至少部分地基於該第一通訊量測的一比較值之間的一比較，來從該第一天線切換到該複數個天線中的一第二天線；及至少部分地基於該切換來使用該第二天線與該無線設備進行通訊。
  2. 根據請求項1之方法，其中該動態閥值是至少部分地基於一神經網路來更新的。
  3. 根據請求項2之方法，其中更新該動態閥值包括以下步驟：將在該複數個天線中的天線之間的參考信號接收功率的一差集合輸入到該神經網路中；接收該動態閥值的一閥值集合作為該神經網路的一輸出；及至少部分地基於與該第二閥值相關聯的一概率值來從 該閥值集合中選擇該第二閥值。
  4. 根據請求項2之方法，亦包括以下步驟：在該UE處啟動針對包括該神經網路的一機器學習代理單元的訓練；及至少部分地基於一天線切換數量和使用該複數個天線中的具有一最高參考信號接收功率的一天線進行操作的一時間量中的一者或兩者，來更新在該神經網路的節點之間的一或多個權重，其中該動態閥值是至少部分地基於在該神經網路的該等節點之間的一或多個經更新的權重來更新的。
  5. 根據請求項4之方法，其中更新在該神經網路的節點之間的該一或多個權重包括以下步驟：將使用該動態閥值的該天線切換數量與使用一靜態閥值的一第二天線切換數量進行比較；及至少部分地基於該比較來將一獎勵值或一成本值應用於用於該神經網路的一成本函數，其中更新在該神經網路的該等節點之間的該一或多個權重是至少部分地基於該成本函數的。
  6. 根據請求項4之方法，其中更新在該神經網路的該節點之間的該一或多個權重包括以下步驟：將使用該動態閥值使用該複數個天線中的具有該最高參考信號接收功率的該天線進行操作的該時間量與使用一靜態閥值使用該複數個天線中的具有該最高參考信號接收功率的該天線進行操作的一第二時間量進行比較； 及至少部分地基於該比較來將一獎勵值或一成本值應用於用於該神經網路的一成本函數，其中更新在該神經網路的該等節點之間的該一或多個權重是至少部分地基於該成本函數的。
  7. 根據請求項4之方法，其中針對該機器學習代理單元的該訓練是至少部分地基於該天線切換數量和使用該複數個天線中的具有該最高參考信號接收功率的該天線進行操作的該時間量中的一者或兩者來在該UE處啟動的。
  8. 根據請求項4之方法，其中針對該機器學習代理單元的該訓練是至少部分地基於一UE訓練排程來在該UE處啟動的。
  9. 根據請求項4之方法，亦包括以下步驟：在該UE處去啟動針對該機器學習代理單元的該訓練。
  10. 根據請求項2之方法，亦包括以下步驟：決定特定於一晶片組、UE的一類型、該UE和操作該UE的一使用者中的一項或多項的該神經網路。
  11. 根據請求項1之方法，其中該第一通訊量測包括針對該第一天線的一第一參考信號接收功率，並且針對每個天線的該通訊量測包括針對每個天線的一參考信號接收功率，該決定包括以下步驟：辨識在小於一量測週期的一閥值時間百分比期間針對 該第一天線的該第一參考信號接收功率是針對該複數個天線的一最高參考信號接收功率，其中該動態閥值是至少部分地基於該辨識來更新的。
  12. 根據請求項1之方法，亦包括以下步驟：辨識用於該第一天線的一發射功率大於一發射功率閥值，其中該動態閥值是亦至少部分地基於該辨識來更新的。
  13. 根據請求項1之方法，亦包括以下步驟：計算在針對該第二天線的一第二通訊量測與針對該第一天線的該第一通訊量測之間的一差，其中該比較值包括該所計算的差。
  14. 根據請求項13之方法，亦包括以下步驟：決定該所計算的差大於或等於該動態閥值，其中從該第一天線到該第二天線的該切換是至少部分地基於決定該所計算的差大於或等於該動態閥值的。
  15. 根據請求項1之方法，亦包括以下步驟：至少部分地基於該切換來減小用於傳輸的一發射功率。
  16. 根據請求項1之方法，其中該第一通訊量測包括對一下行鏈路信號的一量測，並且其中該使用該第二天線與該無線設備進行通訊包括以下步驟：至少部分地基於該切換來使用該第二天線向該無線設備發送一上行鏈路信號。
  17. 根據請求項1之方法，其中該第一通訊量測 包括在一量測週期內該第一天線的一平均參考信號接收功率。
  18. 根據請求項17之方法，亦包括以下步驟：根據該量測週期來週期性地量測該第一通訊量測；及根據該量測週期並且至少部分地基於該週期性量測來週期性地決定是否更新該動態閥值。
  19. 一種用於一使用者設備(UE)處的無線通訊的裝置，包括：一處理器；及與該處理器進行電子通訊的記憶體，該記憶體儲存可由該處理器執行以使得該裝置進行以下操作的指令：使用複數個天線中的一第一天線與一無線設備進行通訊；獲得針對該複數個天線中的每個天線的一通訊量測；決定針對該第一天線的一第一通訊量測至少小於針對該複數個天線的另一個通訊量測達一時間閥值；至少部分地基於該決定來將一動態閥值從一第一閥值更新為不同於該第一閥值的一第二閥值；至少部分地基於在該經更新的動態閥值與至少部分地基於該第一通訊量測的一比較值之間的一比較，來從該第一天線切換到該複數個天線中的一第二天線；及至少部分地基於該切換來使用該第二天線與該無線 設備進行通訊。
  20. 根據請求項19之裝置，其中該動態閥值是至少部分地基於一神經網路來更新的。
  21. 根據請求項20之裝置，其中該等用於更新該動態閥值的指令可由該處理器執行以使得該裝置進行以下操作：將在該複數個天線中的天線之間的參考信號接收功率的一差集合輸入到該神經網路中；接收該動態閥值的一閥值集合作為該神經網路的輸出；及至少部分地基於與該第二閥值相關聯的一概率值來從該閥值集合中選擇該第二閥值。
  22. 根據請求項20之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：在該UE處啟動針對包括該神經網路的一機器學習代理單元的訓練；及至少部分地基於一天線切換數量和使用該複數個天線中的具有一最高參考信號接收功率的一天線進行操作的一時間量中的一者或兩者，來更新在該神經網路的節點之間的一或多個權重，其中該動態閥值是至少部分地基於在該神經網路的該等節點之間的一或多個經更新的權重來更新的。
  23. 根據請求項22之裝置，其中該等用於更新在該神經網路的節點之間的該一或多個權重的指令可由 該處理器執行以使得該裝置進行以下操作：將使用該動態閥值的該天線切換數量與使用一靜態閥值的一天線切換數量進行比較；及至少部分地基於該比較來將一獎勵值或一成本值應用於用於該神經網路的一成本函數，其中更新在該神經網路的該等節點之間的該一或多個權重是至少部分地基於該成本函數的。
  24. 根據請求項22之裝置，其中該用於更新在該神經網路的該等節點之間的該一或多個權重的指令可由該處理器執行以使得該裝置進行以下操作：將使用該動態閥值使用該複數個天線中的具有該最高參考信號接收功率的該天線進行操作的該時間量與使用一靜態閥值使用該複數個天線中的具有該最高參考信號接收功率的該天線進行操作的一時間量進行比較；及至少部分地基於該比較來將一獎勵值或一成本值應用於用於該神經網路的一成本函數，其中更新在該神經網路的該等節點之間的該一或多個權重是至少部分地基於該成本函數的。
  25. 根據請求項22之裝置，其中針對該機器學習代理單元的該訓練是至少部分地基於該天線切換數量和使用該複數個天線中的具有該最高參考信號接收功率的該天線進行操作的該時間量中的一者或兩者來在該UE處啟動的。
  26. 根據請求項22之裝置，其中針對該機器學 習代理單元的該訓練是至少部分地基於一UE訓練排程來在該UE處啟動的。
  27. 根據請求項22之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：在該UE處去啟動針對該機器學習代理單元的該訓練。
  28. 根據請求項20之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：決定特定於一晶片組、UE的一類型、該UE和操作該UE的一使用者中的一項或多項的該神經網路。
  29. 根據請求項19之裝置，其中該第一通訊量測包括針對該第一天線的一第一參考信號接收功率，並且針對每個天線的該通訊量測包括針對每個天線的一參考信號接收功率，其中該等用來進行決定的指令亦可由該處理器執行以使得該裝置進行以下操作：辨識在小於一量測週期的一閥值時間百分比期間針對該第一天線的該第一參考信號接收功率是針對該複數個天線的一最高參考信號接收功率，其中該動態閥值是至少部分地基於該辨識來更新的。
  30. 根據請求項19之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：辨識用於該第一天線的一發射功率大於一發射功率閥值，其中該動態閥值是亦至少部分地基於該辨識來更新的。
  31. 根據請求項19之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：計算在針對該第二天線的一第二通訊量測與針對該第一天線的該第一通訊量測之間的一差，其中該比較值包括該所計算的差。
  32. 根據請求項31之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：決定該所計算的差大於或等於該動態閥值，其中從該第一天線到該第二天線的該切換是至少部分地基於決定該所計算的差大於或等於該動態閥值的。
  33. 根據請求項19之裝置，其中該等指令亦可由該處理器執行以使得該裝置進行以下操作：至少部分地基於該切換來減小用於傳輸的一發射功率。
  34. 根據請求項19之裝置，其中該第一通訊量測包括對一下行鏈路信號的一量測，並且其中該用於使用該第二天線與該無線設備進行通訊的指令可由該處理器執行以使得該裝置進行以下操作：至少部分地基於該切換來使用該第二天線向該無線設備發送一上行鏈路信號。
  35. 根據請求項19之裝置，其中該第一通訊量測包括在一量測週期內該第一天線的一平均參考信號接收功率。
  36. 根據請求項35之裝置，其中該等指令亦可 由該處理器執行以使得該裝置進行以下操作：根據該量測週期來週期性地量測該第一通訊量測；及根據該量測週期並且至少部分地基於該週期性量測來週期性地決定是否更新該動態閥值。
  37. 一種用於一使用者設備(UE)處的無線通訊的裝置，包括：用於使用複數個天線中的一第一天線與一無線設備進行通訊的單元；用於獲得針對該複數個天線中的每個天線的一通訊量測的單元；用於決定針對該第一天線的一第一通訊量測至少小於針對該複數個天線的另一個通訊量測達一時間閥值的單元；用於至少部分地基於該決定來將一動態閥值從一第一閥值更新為不同於該第一閥值的一第二閥值的單元；用於至少部分地基於在該經更新的動態閥值與至少部分地基於該第一通訊量測的一比較值之間的一比較，來從該第一天線切換到該複數個天線中的一第二天線的單元；及用於至少部分地基於該切換來使用該第二天線與該無線設備進行通訊的單元。
  38. 一種儲存用於一使用者設備(UE)處的無線通訊的代碼的非暫時性電腦可讀取媒體，該代碼包括可由一處理器執行以進行以下操作的指令： 使用複數個天線中的一第一天線與一無線設備進行通訊；獲得針對該複數個天線中的每個天線的一通訊量測；決定針對該第一天線的一第一通訊量測至少小於針對該複數個天線的另一個通訊量測達一時間閥值；至少部分地基於該決定來將一動態閥值從一第一閥值更新為不同於該第一閥值的一第二閥值；至少部分地基於在該經更新的動態閥值與至少部分地基於該第一通訊量測的一比較值之間的一比較，來從該第一天線切換到該複數個天線中的一第二天線；及至少部分地基於該切換來使用該第二天線與該無線設備進行通訊。
TW109121309A 2019-06-27 2020-06-23 用於天線切換分集的動態閥值 TWI770540B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/455,460 2019-06-27
US16/455,460 US11057079B2 (en) 2019-06-27 2019-06-27 Dynamic thresholds for antenna switching diversity

Publications (2)

Publication Number Publication Date
TW202105931A TW202105931A (zh) 2021-02-01
TWI770540B true TWI770540B (zh) 2022-07-11

Family

ID=71528087

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109121309A TWI770540B (zh) 2019-06-27 2020-06-23 用於天線切換分集的動態閥值

Country Status (9)

Country Link
US (2) US11057079B2 (zh)
EP (1) EP3991314A1 (zh)
JP (1) JP2022539006A (zh)
KR (1) KR20220027086A (zh)
CN (1) CN113994608A (zh)
AU (1) AU2020308426A1 (zh)
BR (1) BR112021025742A2 (zh)
TW (1) TWI770540B (zh)
WO (1) WO2020263741A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10638475B2 (en) * 2018-09-12 2020-04-28 Verizon Patent And Licensing Inc. Systems and methods for dynamically adjusting subframes
US11057079B2 (en) 2019-06-27 2021-07-06 Qualcomm Incorporated Dynamic thresholds for antenna switching diversity
US20220286324A1 (en) * 2019-07-12 2022-09-08 Nokia Technologies Oy Channel prediction framework for radio communication
US11115138B2 (en) * 2019-08-19 2021-09-07 Apple Inc. Method for antenna occlusion detection
WO2021115546A1 (en) * 2019-12-09 2021-06-17 Telefonaktiebolaget Lm Ericsson (Publ) Classification of microwave link data
US11463138B2 (en) * 2019-12-20 2022-10-04 Qualcomm Incorporated Neural network and antenna configuration indication
KR20210103311A (ko) * 2020-02-13 2021-08-23 삼성전자주식회사 차량의 통신 방법 및 통신 장치
US11576067B2 (en) * 2020-09-01 2023-02-07 Qualcomm Incorporated Transmission imbalance estimation
CN113676271A (zh) * 2021-07-05 2021-11-19 维沃移动通信有限公司 切换天线的方法及装置
CN114222239B (zh) * 2021-10-13 2024-03-12 成都市以太节点科技有限公司 一种用于通信链路切换判定的rsrp迟滞容限动态优化方法
CN114222342B (zh) * 2021-10-25 2024-04-05 深圳市永达电子信息股份有限公司 基于动态rsrp阈值的通信终端入区判定方法、系统和计算机存储介质
US11818616B2 (en) * 2021-10-26 2023-11-14 Dell Products, Lp System and method for tuning antennas using quality of service management and received access point telemetry
JP7469366B2 (ja) 2022-05-12 2024-04-16 アンリツ株式会社 移動端末試験装置、及び移動端末試験方法
CN115134024B (zh) * 2022-05-31 2023-07-11 南京邮电大学 一种基于二维经验模式分解的频谱预测方法
US20230387976A1 (en) * 2022-05-31 2023-11-30 Motional Ad Llc Antenna monitoring and selection
EP4307572A1 (en) * 2022-07-12 2024-01-17 Nokia Technologies Oy Method for beam management
US20240097768A1 (en) * 2022-09-20 2024-03-21 Qualcomm Incorporated Machine learning based antenna selection

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130310109A1 (en) * 2012-05-21 2013-11-21 Qualcomm Incorporated Antenna switching devices, systems, and methods
US9307499B2 (en) * 2010-01-22 2016-04-05 Amazon Technologies, Inc. Using sensors to trigger transmit power management
US20160198474A1 (en) * 2015-01-06 2016-07-07 Qualcomm Incorporated Techniques for beam shaping at a millimeter wave base station and a wireless device and fast antenna subarray selection at a wireless device
US9742481B1 (en) * 2016-09-16 2017-08-22 Amazon Technologies, Inc. Antenna switching
US20190014488A1 (en) * 2017-07-06 2019-01-10 Futurewei Technologies, Inc. System and method for deep learning and wireless network optimization using deep learning

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1335836C (en) * 1988-07-07 1995-06-06 Ichiro Iida Adaptive routing system
JPH07508632A (ja) 1992-10-26 1995-09-21 シーメンス アクチエンゲゼルシヤフト 無線受信装置の制御方法及び装置
US5603107A (en) 1995-06-09 1997-02-11 Ford Motor Company Switching system for diversity antenna FM receiver
DE69809596D1 (de) * 1997-12-30 2003-01-02 Ericsson Inc Vereinheitlichtes antennendiversityschaltungssystem für tdma-telefone
US20040204105A1 (en) * 2002-05-24 2004-10-14 Ying-Chang Liang Method and apparatus for a base station with multiple distributed antennas to communicate with mobile stations
US7724853B2 (en) * 2006-07-14 2010-05-25 Qualcomm Incorporated Enabling mobile switched antennas
US20080233869A1 (en) * 2007-03-19 2008-09-25 Thomas Baker Method and system for a single-chip fm tuning system for transmit and receive antennas
CA2765782C (en) * 2009-06-24 2018-11-27 The Medical Research, Infrastructure, And Health Services Fund Of The Tel Aviv Medical Center Automated near-fall detector
WO2012002851A1 (en) * 2010-06-29 2012-01-05 Telefonaktiebolaget L M Ericsson (Publ) Uplink switched antenna transmit diversity method and apparatus
US8265552B2 (en) 2010-08-31 2012-09-11 Verizon Patent And Licensing Inc. Beam selection in a multiple beam antenna in a fixed wireless CPE
US8971948B1 (en) * 2010-11-19 2015-03-03 Qualcomm Incorporated Systems and methods for compensating antenna gain imbalance
US8873660B2 (en) 2011-02-24 2014-10-28 Motorola Mobility Llc Diversity control in a wireless communications device
US10209771B2 (en) * 2016-09-30 2019-02-19 Sony Interactive Entertainment Inc. Predictive RF beamforming for head mounted display
US8907847B2 (en) * 2012-05-02 2014-12-09 Hing S. Tong Directional antenna system for portable communication device
US10420170B2 (en) 2013-10-08 2019-09-17 Parallel Wireless, Inc. Parameter optimization and event prediction based on cell heuristics
JP5921583B2 (ja) 2014-01-29 2016-05-24 ソフトバンク株式会社 電波状況報知装置、通信装置及びプログラム
US9143206B2 (en) * 2014-02-04 2015-09-22 Qualcomm Incorporated Antenna selection with eMBMS
JP6448016B2 (ja) * 2014-05-02 2019-01-09 富士通コネクテッドテクノロジーズ株式会社 端末装置、アンテナ切替プログラム及びアンテナ切替方法
US9231686B2 (en) 2014-05-30 2016-01-05 Apple Inc. Dynamic antenna switching
US10866302B2 (en) * 2015-07-17 2020-12-15 Origin Wireless, Inc. Method, apparatus, and system for wireless inertial measurement
JP6548376B2 (ja) * 2014-10-06 2019-07-24 日本電産株式会社 レーダシステム、レーダ信号処理装置、車両走行制御装置および方法、ならびにコンピュータプログラム
US10382979B2 (en) * 2014-12-09 2019-08-13 Futurewei Technologies, Inc. Self-learning, adaptive approach for intelligent analytics-assisted self-organizing-networks (SONs)
US9825688B2 (en) * 2015-02-27 2017-11-21 Bose Corporation Systems and methods of antenna diversity switching
US9935676B2 (en) * 2015-08-21 2018-04-03 Qualcomm Incorporated Opportunistic antenna switch diversity (ASDIV) in carrier aggregation
US9622208B2 (en) * 2015-09-02 2017-04-11 Estimote, Inc. Systems and methods for object tracking with wireless beacons
MX2018004254A (es) * 2015-10-08 2018-08-23 Voxx Int Corp Sistema y metodo de micro-localización y comunicación con un dispositivo portatil de control de vehiculo.
US10986466B2 (en) * 2015-10-08 2021-04-20 Voxx International Corporation System and method for locating a portable device in different zones relative to a vehicle based upon training data
US10581503B2 (en) * 2015-10-21 2020-03-03 Apple Inc. Method, apparatus and system for reporting beam reference signal receiving power
US10098059B2 (en) * 2016-04-29 2018-10-09 Qualcomm Incorporated Discovering physical cell identifiers in wireless communications
KR102456541B1 (ko) * 2016-06-22 2022-10-19 삼성전자 주식회사 Sar 저감을 위한 안테나 스위칭 방법 및 이를 지원하는 전자 장치
US9961600B2 (en) * 2016-06-30 2018-05-01 Qualcomm Incorporated Techniques for employing antenna switched diversity in wireless communications
JP6630251B2 (ja) * 2016-09-20 2020-01-15 株式会社東芝 無線通信装置および無線通信方法
KR102502220B1 (ko) * 2016-12-20 2023-02-22 삼성전자주식회사 전자 장치, 그의 사용자 발화 의도 판단 방법 및 비일시적 컴퓨터 판독가능 기록매체
WO2018119884A1 (zh) * 2016-12-29 2018-07-05 西安易朴通讯技术有限公司 自适应天线切换系统及切换方法及智能终端
JP6819490B2 (ja) * 2017-02-02 2021-01-27 株式会社豊田自動織機 産業車両用遠隔操作システム、産業車両、遠隔操作装置、産業車両用遠隔操作プログラム及び産業車両用遠隔操作方法
US11277195B2 (en) * 2017-04-27 2022-03-15 Airspan Ip Holdco Llc Apparatus and method for providing network coverage in a wireless network
US10039016B1 (en) 2017-06-14 2018-07-31 Verizon Patent And Licensing Inc. Machine-learning-based RF optimization
US10560303B2 (en) * 2017-07-17 2020-02-11 Cox Communications, Inc. System and methods for a smart adaptive communication channel
EP3676966A4 (en) 2017-08-30 2021-04-21 Telefonaktiebolaget LM Ericsson (Publ) WIRELESS DEVICE FOR DETERMINING THE BEST ANTENNA BEAM AND ASSOCIATED PROCESS
WO2019120438A1 (en) * 2017-12-22 2019-06-27 Coloplast A/S Tools and methods for placing an ostomy appliance on a user
US11304699B2 (en) * 2017-12-28 2022-04-19 Cilag Gmbh International Method for adaptive control schemes for surgical network control and interaction
US10355344B1 (en) * 2018-02-23 2019-07-16 Apple Inc. Electronic devices having antenna diversity capabilities
JP6569755B1 (ja) * 2018-03-06 2019-09-04 Tdk株式会社 ニューラルネットワーク装置、信号生成方法およびプログラム
US11036979B2 (en) * 2018-03-15 2021-06-15 Motorola Solutions, Inc. Device, system and method for generating an alert and an automatic search for a candidate subject
US10291310B1 (en) * 2018-04-09 2019-05-14 Qualcomm Incorporated Gap-based antenna measurement for antenna switch diversity
US10852968B2 (en) * 2018-05-07 2020-12-01 Apple Inc. Techniques for managing memory allocation within a storage device to improve operation of a camera application
US10962637B2 (en) * 2018-06-25 2021-03-30 Texas Instruments Incorporated Radar data processing using neural network classifier and confidence metrics
US10757596B2 (en) * 2018-06-29 2020-08-25 Intel Corporation Methods and apparatus to collect data from user equipment outside a network
US11038895B2 (en) * 2018-09-28 2021-06-15 Intel Corporation Trust management mechanisms
US11328538B2 (en) * 2018-10-26 2022-05-10 Snap-On Incorporated Method and system for annotating graphs of vehicle data
DE102019124713A1 (de) * 2018-11-27 2020-05-28 Samsung Electronics Co., Ltd. Vorrichtungen und Verfahren zur Steuerung einer Exposition gegenüber drahtloser Kommunikation
EP3671568A1 (en) * 2018-12-17 2020-06-24 IMEC vzw Binary recurrent neural network inference technique
US11062233B2 (en) * 2018-12-21 2021-07-13 The Nielsen Company (Us), Llc Methods and apparatus to analyze performance of watermark encoding devices
US11494614B2 (en) * 2019-03-20 2022-11-08 Microsoft Technology Licensing, Llc Subsampling training data during artificial neural network training
US10666342B1 (en) * 2019-05-01 2020-05-26 Qualcomm Incorporated Beam management using adaptive learning
JP2022534542A (ja) * 2019-05-31 2022-08-01 カルバート―アイオーティー コーポレーション インテリジェント追跡システムと方法、及びそのためのシステム
US11057079B2 (en) 2019-06-27 2021-07-06 Qualcomm Incorporated Dynamic thresholds for antenna switching diversity

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9307499B2 (en) * 2010-01-22 2016-04-05 Amazon Technologies, Inc. Using sensors to trigger transmit power management
US20130310109A1 (en) * 2012-05-21 2013-11-21 Qualcomm Incorporated Antenna switching devices, systems, and methods
US20160198474A1 (en) * 2015-01-06 2016-07-07 Qualcomm Incorporated Techniques for beam shaping at a millimeter wave base station and a wireless device and fast antenna subarray selection at a wireless device
US9742481B1 (en) * 2016-09-16 2017-08-22 Amazon Technologies, Inc. Antenna switching
US20190014488A1 (en) * 2017-07-06 2019-01-10 Futurewei Technologies, Inc. System and method for deep learning and wireless network optimization using deep learning

Also Published As

Publication number Publication date
US11057079B2 (en) 2021-07-06
TW202105931A (zh) 2021-02-01
WO2020263741A9 (en) 2021-04-15
BR112021025742A2 (pt) 2022-02-22
AU2020308426A1 (en) 2022-01-27
US20200412417A1 (en) 2020-12-31
US20210297117A1 (en) 2021-09-23
KR20220027086A (ko) 2022-03-07
US11283489B2 (en) 2022-03-22
EP3991314A1 (en) 2022-05-04
JP2022539006A (ja) 2022-09-07
CN113994608A (zh) 2022-01-28
WO2020263741A1 (en) 2020-12-30

Similar Documents

Publication Publication Date Title
TWI770540B (zh) 用於天線切換分集的動態閥值
US11405088B2 (en) Beam management using channel state information prediction
JP7290654B2 (ja) アクティブビームのためのビーム報告
TW201941634A (zh) 用於週期性使用者設備運動的波束追蹤
TW201921974A (zh) 用於選擇次載波間隔以用於信號偵測的技術
WO2021150995A1 (en) Measurement report techniques for wireless communications systems
US11778649B2 (en) Handling of absence of interference for cross-link interference measurement
TW202135554A (zh) 針對使用者設備行動性的實體層量測而不進行報告
US20220295372A1 (en) Techniques for mobility detection for modem parameter selection
US20230014069A1 (en) Interference management for dynamic spectrum sharing
US20220147133A1 (en) Techniques for estimating power consumption of a chipset
US11671956B2 (en) Beam measurement on sidelink
WO2022178706A1 (en) Out-of-distribution detection and reporting for machine learning model deployment
WO2023201613A1 (en) Measurement report resource management in wireless communications
US20230120574A1 (en) Parameter reporting techniques for reduced capability user equipment
US20230254837A1 (en) Proactive communication of hybrid beamforming parameters between devices
US20230232257A1 (en) Motion-based beam management techniques in wireless communications
US20230254027A1 (en) Techniques for adaptive beam level selection
WO2022252140A1 (en) Configuring multi-model machine learning application
US20220200676A1 (en) Techniques for dynamic beamforming mitigation of millimeter wave blockages
US20230328564A1 (en) User equipment processing capability aspects for cross-link interference measurement
WO2024050655A1 (en) Event-triggered beam avoidance prediction report
US20220361225A1 (en) Advanced adaptive receivers based on spectral efficiency utilization
US20220286331A1 (en) Modem framework for application-specific baseband customization at an end user
WO2023196730A1 (en) Aspects for cross-link interference measurement