WO2023125996A1 - 一种上行预编码方法及装置 - Google Patents

一种上行预编码方法及装置 Download PDF

Info

Publication number
WO2023125996A1
WO2023125996A1 PCT/CN2022/144275 CN2022144275W WO2023125996A1 WO 2023125996 A1 WO2023125996 A1 WO 2023125996A1 CN 2022144275 W CN2022144275 W CN 2022144275W WO 2023125996 A1 WO2023125996 A1 WO 2023125996A1
Authority
WO
WIPO (PCT)
Prior art keywords
codebook
precoding matrix
precoding
model
information
Prior art date
Application number
PCT/CN2022/144275
Other languages
English (en)
French (fr)
Inventor
孙琰
柴晓萌
吴艺群
Original Assignee
华为技术有限公司
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 华为技术有限公司 filed Critical 华为技术有限公司
Publication of WO2023125996A1 publication Critical patent/WO2023125996A1/zh

Links

Images

Classifications

    • 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
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/262—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account adaptive modulation and coding [AMC] scheme
    • 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
    • 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
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/18—Service support devices; Network management devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/18—Service support devices; Network management devices
    • H04W88/185—Selective call encoders for paging networks, e.g. paging centre devices

Definitions

  • the embodiments of the present disclosure relate to the field of communication technologies, and in particular, to an uplink precoding method and device.
  • the access network device configures a personalized codebook for the terminal device
  • Z precoding matrices are determined according to the collected Z uplink channel information of the terminal device; Z coding matrices are converged into M precoding matrices , the value of M is less than or equal to Z, and the personalized codebook configured for the terminal device includes M precoding matrices. Because in this design, the access network device needs to configure the personalized codebook or indicate the terminal device, the above design can reduce the overhead of the terminal device indicating the personalized codebook.
  • a communication unit configured to send a first reference signal to an access network device, and receive a first codebook from the access network device; a processing unit, configured to use the first codebook to precode an uplink signal .
  • the device includes a memory, configured to implement the method described in the fourth aspect above.
  • the apparatus may also include memory for storing instructions and/or data.
  • the memory is coupled to the processor, and when the processor executes the program instructions stored in the memory, the method in the fourth aspect above can be implemented.
  • the device may also include a communication interface for the device to communicate with other devices.
  • the communication interface may be a transceiver, a circuit, a bus, a module, a pin, or other types of communication interfaces, and the other device may be an access network device or the like.
  • FIG. 4a and FIG. 4b are schematic diagrams of the architecture of the communication system provided by the present disclosure.
  • the helicopter or drone 120i in FIG. Device 120i is a base station; however, for base station 110a, 120i is a terminal device, that is, communication between 110a and 120i is performed through a wireless air interface protocol. Communication between 110a and 120i may also be performed through an interface protocol between base stations. In this case, relative to 110a, 120i is also a base station. Therefore, both the base station and the terminal equipment can be collectively referred to as a communication device, 110a and 110b in FIG. 1 can be referred to as a communication device with a base station function, and 120a-120j in FIG. 1 can be referred to as a communication device with a terminal device function.
  • the third-party network element can be a core network element such as authentication management function (authentication management function, AMF) or user plane function (user plane function, UPF); or, AI can be configured in other network elements in the communication system Functions, AI modules or AI entities to implement AI-related operations, for example, the other network elements can be access network equipment (such as gNB), core network equipment, or network management (operation, administration and maintenance, OAM), etc., in this
  • the network element performing AI-related operations is a network element with a built-in AI function.
  • the above-mentioned OAM is used to operate, manage and maintain the access network equipment and/or the core network equipment and the like.
  • the base station may determine the first codebook according to the Z pieces of uplink channel information and a codebook generation model.
  • the codebook generation model is used to determine the first codebook according to the Z uplink channel information.
  • the name of the codebook generation model is not limited.
  • the codebook generation model may also be called a model, or an AI model.
  • the uplink channel information determined by the base station is h1
  • the uplink channel information determined by the base station is h2.
  • the base station processes the multiple UE channel concatenation H, and the processed information is used as the input of the codebook generation model, and/or, the output of the codebook generation model is other than the common codebook of the multiple UEs. information.
  • the base station further processes other information output by the codebook generation model to determine the codebook shared by the multiple UEs.
  • the second model is a CSI compression model
  • the first model is a precoding model
  • the base station uses the information of the uplink channel as the input of the second model, and the output of the second model is compressed CSI.
  • the first information is used to indicate compressed CSI.
  • the first information may explicitly or implicitly indicate the compressed CSI.
  • the terminal may use the compressed CSI as the input of the first model, or use the information after processing the compressed CSI as the input of the first model.
  • the output of the first model includes uplink channel information.
  • the terminal determines the precoding matrix according to the uplink channel information. Specifically, the terminal may convert uplink channel information into a precoding matrix and the like in an AI manner or a non-AI manner. For non-AI methods, including but not limited to: WMMSE, zero-forcing method ZF, or other methods.
  • the output of the first model directly includes the precoding matrix and the like.
  • i represents the number of the UE.
  • the value range of i is a positive integer less than or equal to U, and the value range of U is a positive integer greater than or equal to 1.
  • L represents the length of the CSI fed back by the air interface. Further, the length of G i output by the CSI compression model may also be truncated, so as to reduce the air interface overhead of feedback compression CSI.
  • An exemplary storage medium is coupled to the processor such the processor can read information from, and write information to, the storage medium.
  • a storage medium may also be an integral part of the processor.
  • the processor and storage medium can be located in the ASIC.
  • the ASIC can be located in the base station or the terminal.
  • the processor and the storage medium may also exist in the base station or the terminal as discrete components.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种上行预编码方法及装置，该方法包括：终端设备接收来自接入网设备的第一信息；终端设备根据第一信息和第一模型，确定第一预编码矩阵；其中，所述第一预编码矩阵是根据第一模型的输出确定的，所述第一模型的输入是根据所述第一信息确定的；终端设备根据第一预编码矩阵，对上行信号进行预编码；终端设备向所述接入网设备发送预编码的上行信号。在该方法中，终端设备根据第一信息和第一模型，确定第一预编码矩阵，该预编码矩阵不再是从离线码本中选取的，而是终端设备根据第一信息所生成的浮点矩阵，可以更好的匹配信道环境，提高预编码的效果。

Description

一种上行预编码方法及装置
相关申请的交叉引用
本申请要求在2021年12月31日提交中国专利局、申请号为202111668221.2、申请名称为“一种上行预编码方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本公开实施例涉及通信技术领域，尤其涉及一种上行预编码方法及装置。
背景技术
在无线通信网络中，例如在移动通信网络中，网络支持的业务越来越多样，因此需要满足的需求越来越多样。例如，网络需要能够支持超高速率、超低时延、和/或超大连接。该特点使得网络规划、网络配置、和/或资源调度越来越复杂。此外，由于网络的功能越来越强大，例如支持的频谱越来越高、支持高阶多入多出(multiple input multiple output，MIMO)技术、支持波束赋形、和/或支持波束管理等新技术，使得网络节能成为了热门研究课题。这些新需求、新场景和新特性给网络规划、运维和高效运营带来了前所未有的挑战。为了迎接该挑战，可以将人工智能技术引入无线通信网络中，从而实现网络智能化。基于此，如何在网络中有效地实现人工智能是一个值得研究的问题。
发明内容
本公开提供一种上行预编码方法及装置，以实现对上行信号的预编码。
第一方面，提供一种上行预编码方法，该方法的执行主体为终端设备，还可以为配置于终端设备中的部件(处理器、芯片或其它)，或者可以为软件模块等，包括：接收来自接入网设备的第一信息；根据第一预编码矩阵，对上行信号进行预编码；其中，所述第一预编码矩阵是根据第一模型的输出确定的，所述第一模型的输入是根据所述第一信息确定的；向所述接入网设备发送预编码的上行信号。
通过上述方法，终端设备根据第一信息和第一模型，确定第一预编码矩阵；该预编码矩阵不再是从离线码本中选取的，而可以是终端设备根据第一信息生成的浮点矩阵，所述浮点矩阵为复数矩阵，从而使得生成的预编码矩阵与信道环境更匹配，提高预编码的效果。
在一种设计中，所述第一信息用于指示压缩的第一预编码矩阵，所述第一模型的输出包括所述第一预编码矩阵；或者，所述第一信息用于指示压缩的信道状态信息CSI，所述第一模型的输出包括上行信道信息，根据所述上行信道信息，确定所述第一预编码矩阵；或者，所述第一信息用于指示压缩的CSI，所述第一模型的输出包括所述第一预编码矩阵。
本公开中，压缩的CSI还可以称为CSI。
在一种设计中，所述第一预编码矩阵为宽带级、子带级、或资源元素级的。
通过上述设计，如果终端设备生成的第一预编码矩阵为带宽级的，则整个带宽上的上行信号利用同一个预编码矩阵进行预编码。或者如果是子带级的，则整个带宽中的不同子 带利用其对应的预编码矩阵对上行信号进行预编码。同理，如果是资源元素RE级，则每个RE中的上行信号利用其对应的上行信号进行预编码。上述子带级的预编码矩阵或RE级的预编码矩阵，相对于带宽级的预编码矩阵，可提高码本和信道匹配性，提高预编码的精度。
第二方面，提供一种上行预编码方法，该方法的执行主体为接入网设备，还可以为配置于接入网设备中的部件(处理器、芯片或其它)，或者可以为软件模块等，包括：根据上行信道信息和第二模型，确定第一信息；其中，所述第二模型的输入是根据所述上行信道信息确定的，所述第一信息是根据所述第二模型的输出确定的；向终端设备发送所述第一信息；其中，所述第一信息用于指示压缩的第一预编码矩阵，或者，所述第一信息用于压缩的指示信道状态信息CSI。
通过上述设计，接入网设备中部署有第二模型，接入网设备可根据终端设备的上行信道信息和第二模型，确定第一信息；终端设备可以根据第一信息和第一模型，恢复出预编码矩阵。终端设备根据第一信息所恢复的预编码矩阵为浮点矩阵，而不是从离线矩阵中选取的，与终端设备的当前信道环境更匹配，提高预编码精度。
第三方面，提供一种上行预编码方法，该方法的执行主体为接入网设备，还可以为配置于接入网设备中的部件(处理器、芯片或其它)，或者可以为软件模块等，包括：接收来自终端设备的第一参考信号；根据所接收到的第一参考信号，确定第一码本，所述第一码本用于对上行信号进行预编码；向所述终端设备发送所述第一码本。
通过上述方法，接入网设备可根据终端设备发送的参考信号，为终端设备配置对应的个性化码本，即上述第一码本，相对于终端设备采用固定码本的方式，该个性化码本可更加匹配每个终端设备的信道特性，提高终端设备的预编码精度。
在一种设计中，所述根据所接收到的第一参考信号，确定第一码本，包括：在Z个资源上，分别测量所述第一参考信号，获得Z个上行信道信息，所述Z为大于或等于1的整数；根据所述Z个上行信道信息，确定所述第一码本。
在一种设计中，所述根据所述Z个上行信道信息，确定所述第一码本，包括：根据所述Z个上行信道信息和码本生成模型，确定所述第一码本。
在一种设计中，所述根据所述Z个上行信道信息，确定所述第一码本，包括：根据所述Z个上行信道信息，确定Z个预编码矩阵；根据所述Z个预编码矩阵，确定所述第一码本。
在一种设计中，所述根据所述Z个预编码矩阵，确定所述第一码本，包括：根据所述Z个预编码矩阵和预编码矩阵生成模型，确定M个预编码矩阵，所述M小于或等于Z；所述第一码本包括所述M个预编码矩阵。
在一种设计中，所述根据所述Z个预编码矩阵，确定所述第一码本，包括：根据所述Z个预编码矩阵和预编码矩阵生成模型，确定M个预编码矩阵，所述M小于或等于Z；对所述M个预编码矩阵分别进行量化，得到M个量化的预编码矩阵，所述第一码本中包括所述M个量化的预编码矩阵。
通过上述设计，接入网设备在为终端设备配置个性化码本时，根据采集的终端设备的Z个上行信道信息，确定Z个预编码矩阵；将Z个编码矩阵收敛为M个预编码矩阵，所述M的取值小于或等于Z，为终端设备配置的个性化码本中包括M个预编码矩阵。由于在该设计中，接入网设备需要将个性化码本配置或指示终端设备，采用上述设计，可减小终端 设备指示个性化码本的开销。
在一种设计中，所述方法还包括：向所述终端设备发送指示信息，所述指示信息用于指示X个子带对应的X个预编码矩阵，所述X个预编码矩阵属于所述第一码本，所述X个预编码矩阵中的每个预编码矩阵用于对对应子带的上行信号进行预编码，其中，X为正整数。
通过上述设计，在接入网设备为终端设备配置个性化码本后，还可以向终端设备发送指示信息，该指示信息用于指示所述终端设备的上行带宽中每个子带对应的预编码矩阵。相对于，整个上行带宽采用相同的预编码矩阵，采用该方法，可使得预编码矩阵与每个子带对应的信道特性相匹配，提高预编码精度。
在一种设计中，所述向所述终端设备发送指示信息，包括：根据子带预编码矩阵的指示规则，向所述终端设备发送指示信息。
在一种设计中，还包括：向所述终端设备发送所述子带预编码矩阵的指示规则。
在一种设计中，所述子带预编码矩阵的指示规则，包括：所述上行信道带宽中至少包括第一子带与第二子带；其中，所述第一子带对应的预编码矩阵的指示规则包括：指示所述第一子带对应的预编码矩阵的索引；所述第二子带对应的预编码矩阵的指示规则包括：指示所述第二子带的预编码矩阵的索引相对于所述第一子带的预编码矩阵的索引的偏移方向和偏移值。
通过上述设计，如果接入网设备分别指示每个子带对应的预编码矩阵索引，则指示开销较大。而在该设计中，接入网设备预先制定好指示规则，且通知终端设备，后续接入网设备针对整个带宽中的部分子带指示对应的预编码矩阵的索引，而对于其它子带可作为部分子带的邻带，对于邻带指示相对于前面子带对应的预编码矩阵的索引的偏移方向和偏移大小等，减少指示预编码矩阵的开销。
在一种设计中，所述第一码本是第一子带的码本，所述第一码本用于对所述第一子带的上行信号进行预编码。
通过上述设计，基站可向终端设备配置适用整个上行带宽的码本，即第一码本。后续基站可能需要向终端设备指示在第一码本中，每个子带对应的预编码矩阵的索引。或者，基站可直接向终端配置适用于每个子带的码本，例如适用于第一子带的第一码本。后续，基站在每个子带对应的码本中，指示每个子带对应的预编码矩阵的索引等。该配置每个子带对应的码本的方式，可提高为终端配置的码本的精度。
第四方面，提供一种上行预编码方法，该方法为上述第三方面对应的终端设备，有益效果可参见上述第三方面。该方法的执行主体为终端设备，还可以为配置于终端设备中的部件(处理器、芯片或其它)，或者可以为软件模块等，包括：向接入网设备发送第一参考信号；接收来自所述接入网设备的第一码本；利用所述第一码本，对上行信号进行预编码。
在一种设计中，所述利用所述第一码本，对上行信号进行预编码，包括：接收来自所述接入网设备的指示信息，所述指示信息用于指示X个子带对应的X个预编码矩阵，所述X个预编码矩阵属于所述第一码本；利用所述X个预编码矩阵中的每个预编码矩阵，对对应子带的上行信号进行预编码。
在一种设计中，还包括：接收来自所述接入网设备的子带预编码矩阵的指示规则。
在一种设计中，所述子带预编码矩阵的指示规则，包括：所述上行信道带宽中至少包 括第一子带与第二子带；其中，所述第一子带对应的预编码矩阵的指示规则包括：指示所述第一子带对应的预编码矩阵的索引；所述第二子带对应的预编码矩阵的指示规则包括：指示所述第二子带的预编码矩阵的索引相对于所述第一子带的预编码矩阵的索引的偏移方向和偏移值。
在一种设计中，所述第一码本是第一子带的码本，所述利用所述第一码本，对上行信号进行预编码，包括：利用所述第一码本，对所述第一子带的上行信号进行预编码。
第五方面，提供一种装置，有益效果可参见第一方面或第四方面的说明，该装置可以是终端设备，或者配置于终端设备中的装置，或者能够和终端设备匹配使用的装置。一种设计中，该装置包括执行第一方面或第四方面中所描述的方法/操作/步骤/动作一一对应的单元，该单元可以是硬件电路，也可是软件，也可以是硬件电路结合软件实现。
示例性地，该装置可以包括处理单元和通信单元，且处理单元和通信单元可以执行上述第一方面任一种设计示例中的相应功能，具体的：
通信单元，用于接收来自接入网设备的第一信息；处理单元，用于根据第一预编码矩阵，对上行信号进行预编码；其中，所述第一预编码矩阵是根据第一模型的输出确定的，所述第一模型的输入是根据所述第一信息确定的；通信单元，还用于向所述接入网设备发送预编码的上行信号。
关于处理单元和通信单元的具体执行过程，可参见上述第一方面的说明。
示例性地，所述装置包括存储器，用于实现上述第一方面描述的方法。所述装置还可以包括存储器，用于存储指令和/或数据。所述存储器与所述处理器耦合，所述处理器执行所述存储器中存储的程序指令时，可以实现上述第一方面的方法。所述装置还可以包括通信接口，所述通信接口用于该装置和其它设备进行通信。示例性地，通信接口可以是收发器、电路、总线、模块、管脚或其它类型的通信接口，其它设备可以为接入网设备等。
在一种可能的设计中，该装置用于实现上述第一方面描述的方法，该方法包括：
存储器，用于存储程序指令；
通信接口，用于接收来自接入网设备的第一信息，以及向所述接入网设备发送预编码的上行信号；
处理器，用于根据第一预编码矩阵，对上行信号进行预编码；其中，所述第一预编码矩阵是根据第一模型的输出确定的，所述第一模型的输入是根据所述第一信息确定的。
关于通信接口与处理器的具体执行过程，可参见上述第一方面的说明，不再赘述。
示例性地，该装置可以包括处理单元和通信单元，且处理单元和通信单元可以执行上述第四方面任一种设计示例中的相应功能，具体的：
通信单元，用于向接入网设备发送第一参考信号，以及接收来自所述接入网设备的第一码本；处理单元，用于利用所述第一码本，对上行信号进行预编码。
关于处理单元和通信单元的具体执行过程，可参见上述第四方面的说明。
示例性地，所述装置包括存储器，用于实现上述第四方面描述的方法。所述装置还可以包括存储器，用于存储指令和/或数据。所述存储器与所述处理器耦合，所述处理器执行所述存储器中存储的程序指令时，可以实现上述第四方面的方法。所述装置还可以包括通信接口，所述通信接口用于该装置和其它设备进行通信。示例性地，通信接口可以是收发器、电路、总线、模块、管脚或其它类型的通信接口，其它设备可以为接入网设备等。
在一种可能的设计中，该装置用于实现上述第四方面描述的方法，该方法包括：
存储器，用于存储程序指令；
通信接口，用于向接入网设备发送第一参考信号，以及接收来自所述接入网设备的第一码本；
处理器，用于利用所述第一码本，对上行信号进行预编码。
关于通信接口与处理器的具体执行过程，可参见上述第四方面的说明，不再赘述。
第六方面，提供一种装置，有益效果可参见第二方面或第三方面的说明，该装置可以是接入网设备，或者配置于接入网设备中的装置，或者能够和接入网设备匹配使用的装置。一种设计中，该装置包括执行第二方面或第三方面中所描述的方法/操作/步骤/动作一一对应的单元，该单元可以是硬件电路，也可是软件，也可以是硬件电路结合软件实现。
示例性地，该装置可以包括处理单元和通信单元，且处理单元和通信单元可以执行上述第二方面任一种设计示例中的相应功能，具体的：
处理单元，用于根据上行信道信息和第二模型，确定第一信息；其中，所述第二模型的输入是根据所述上行信道信息确定的，所述第一信息是根据所述第二模型的输出确定的；通信单元，用于向终端设备发送所述第一信息；其中，所述第一信息用于指示压缩的第一预编码矩阵，或者，所述第一信息用于指示压缩的信道状态信息CSI。
上述处理单元和通信单元的具体执行过程，可以参见第二方面的说明，这里不再赘述。
示例性地，所述装置包括存储器，用于实现上述第二方面描述的方法。所述装置还可以包括存储器，用于存储指令和/或数据。所述存储器与所述处理器耦合，所述处理器执行所述存储器中存储的程序指令时，可以实现上述第二方面描述的方法。所述装置还可以包括通信接口，所述通信接口用于该装置和其它设备进行通信。示例性地，通信接口可以是收发器、电路、总线、模块、管脚或其它类型的通信接口，其它设备可以为终端等。在一种可能的设计中，该装置包括：
存储器，用于存储程序指令；
处理器，用于根据上行信道信息和第二模型，确定第一信息；其中，所述第二模型的输入是根据所述上行信道信息确定的，所述第一信息是根据所述第二模型的输出确定的；
通信接口，用于向终端设备发送所述第一信息；其中，所述第一信息用于指示压缩的第一预编码矩阵，或者，所述第一信息用于指示压缩的信道状态信息CSI。
关于通信接口与处理器的具体执行过程，可参见上述第二方面的说明，不再赘述。
示例性地，该装置可以包括处理单元和通信单元，且处理单元和通信单元可以执行上述第三方面任一种设计示例中的相应功能，具体的：
通信单元，用于接收来自终端设备的第一参考信号；
处理单元，用于根据所接收到的第一参考信号，确定第一码本，所述第一码本用于对上行信号进行预编码；
通信单元，用于向所述终端设备发送所述第一码本。
关于通信单元和处理单元的具体执行过程，可参见上述第三方面的说明，不再赘述。
示例性地，所述装置包括存储器，用于实现上述第三方面描述的方法。所述装置还可以包括存储器，用于存储指令和/或数据。所述存储器与所述处理器耦合，所述处理器执行所述存储器中存储的程序指令时，可以实现上述第三方面描述的方法。所述装置还可以包括通信接口，所述通信接口用于该装置和其它设备进行通信。示例性地，通信接口可以是收发器、电路、总线、模块、管脚或其它类型的通信接口，其它设备可以为终端等。在一 种可能的设计中，该装置包括：
存储器，用于存储程序指令；
通信接口，用于接收来自终端设备的第一参考信号，和向所述终端设备发送所述第一码本；
处理器，用于根据所接收到的第一参考信号，确定第一码本，所述第一码本用于对上行信号进行预编码；
关于通信接口与处理器的具体执行过程，可参见上述第三方面的说明，不再赘述。
第七方面，本公开还提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行第一方面至第四方面中任一方面的方法。
第八方面，本公开还提供一种芯片系统，该芯片系统包括处理器，还可以包括存储器，用于实现第一方面至第四方面中任一方面的方法。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。
第九方面，本公开还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行第一方面至第四方面中任一方面的方法。
第十方面，本公开还提供一种系统，该系统中包括第五方面的装置，和第六方面的装置。
附图说明
图1是本公开提供的通信系统的示意图；
图2和图3为本公开提供的AI模型的部署示意图；
图4a和图4b为本公开提供的通信系统的架构示意图；
图4c为本公开提供的AI模型的应用示意图；
图5为本公开提供的神经元的示意图；
图6为本公开提供的神经网络的示意图；
图7、图8、图10、图13和图14为本公开提供的上行预编码方法的示意图；
图9为本公开提供的码本生成过程的示意图；
图11为本公开提供的子带示意图；
图12为本公开提供的生成子带预编码矩阵的示意图；
图15为本公开提供的CSI压缩模型和预编码模型的训练示意图；
图16为本公开提供的CSI压缩模型和预编码模型的应用示意图；
图17为本公开提供的CSI压缩模型和预编码模型的结构示意图；
图18和图19为本公开提供的装置的结构示意图。
具体实施方式
图1是本公开能够应用的通信系统1000的架构示意图。如图1所示，该通信系统包括无线接入网100和核心网200，可选的，通信系统1000还可以包括互联网300。其中，无线接入网100可以包括至少一个接入网设备(如图1中的110a和110b)，还可以包括至少一个终端设备(如图1中的120a-120j)。终端设备通过无线的方式与接入网设备相连，接入网设备通过无线或有线方式与核心网连接。核心网设备与接入网设备可以是独立的不同 的物理设备，或者可以是将核心网设备的功能与接入网设备的逻辑功能集成在同一个物理设备上，或者可以是一个物理设备上集成了部分核心网设备的功能和部分的接入网设备的功能。终端设备和终端设备之间以及接入网设备和接入网设备之间可以通过有线或无线的方式相互连接。图1只是示意图，该通信系统中还可以包括其它网络设备，如还可以包括无线中继设备和无线回传设备等，在图1中未画出。
接入网设备可以是基站(base station)、演进型基站(evolved NodeB，eNodeB)、发送接收点(transmission reception point，TRP)、第五代(5th generation，5G)移动通信系统中的下一代基站(next generation NodeB，gNB)、开放无线接入网(open radio access network，O-RAN)中的接入网设备、第六代(6th generation，6G)移动通信系统中的下一代基站、未来移动通信系统中的基站或无线保真(wireless fidelity，WiFi)系统中的接入节点等；或者可以是完成基站部分功能的模块或单元，例如，可以是集中式单元(central unit，CU)、分布式单元(distributed unit，DU)、集中单元控制面(CU control plane，CU-CP)模块、或集中单元用户面(CU user plane，CU-UP)模块。接入网设备可以是宏基站(如图1中的110a)，也可以是微基站或室内站(如图1中的110b)，还可以是中继节点或施主节点等。本公开中对接入网设备所采用的具体技术和具体设备形态不做限定。
在本公开中，用于实现接入网设备的功能的装置可以是接入网设备；也可以是能够支持接入网设备实现该功能的装置，例如芯片系统、硬件电路、软件模块、或硬件电路加软件模块，该装置可以被安装在接入网设备中或可以与接入网设备匹配使用。在本公开中，芯片系统可以由芯片构成，也可以包括芯片和其他分立器件。为了便于描述，下文以用于实现接入网设备的功能的装置是接入网设备，接入网设备为基站为例，描述本公开提供的技术方案。
(1)协议层结构。
接入网设备和终端设备之间的通信遵循一定的协议层结构。该协议层结构可以包括控制面协议层结构和用户面协议层结构。例如，控制面协议层结构可以包括无线资源控制(radio resource control，RRC)层、分组数据汇聚层协议(packet data convergence protocol，PDCP)层、无线链路控制(radio link control，RLC)层、媒体接入控制(media access control，MAC)层和物理层等协议层的功能。例如，用户面协议层结构可以包括PDCP层、RLC层、MAC层和物理层等协议层的功能，在一种可能的实现中，PDCP层之上还可以包括业务数据适配协议(service data adaptation protocol，SDAP)层。
可选的，接入网设备和终端设备之间的协议层结构还可以包括人工智能(artificial intelligence，AI)层，用于传输AI功能相关的数据。
(2)集中单元(central unit，CU)和分布单元(distributed unit，DU)。
接入设备可以包括CU和DU。多个DU可以由一个CU集中控制。作为示例，CU和DU之间的接口可以称为F1接口。其中，控制面(control panel，CP)接口可以为F1-C，用户面(user panel，UP)接口可以为F1-U。本公开不限制各接口的具体名称。CU和DU可以根据无线网络的协议层划分：比如，PDCP层及以上协议层的功能设置在CU，PDCP层以下协议层(例如RLC层和MAC层等)的功能设置在DU；又比如，PDCP层以上协议层的功能设置在CU，PDCP层及以下协议层的功能设置在DU，不予限制。
上述对CU和DU的处理功能按照协议层的划分仅仅是一种举例，也可以按照其他的方式进行划分。例如可以将CU或者DU划分为具有更多协议层的功能，又例如将CU或 DU还可以划分为具有协议层的部分处理功能。在一种设计中，将RLC层的部分功能和RLC层以上的协议层的功能设置在CU，将RLC层的剩余功能和RLC层以下的协议层的功能设置在DU。在另一种设计中，还可以按照业务类型或者其他系统需求对CU或者DU的功能进行划分，例如按时延划分，将处理时间需要满足时延要求的功能设置在DU，不需要满足该时延要求的功能设置在CU。在另一种设计中，CU也可以具有核心网的一个或多个功能。示例性的，CU可以设置在网络侧方便集中管理。在另一种设计中，将DU的无线单元(radio unit，RU)拉远设置。可选的，RU可以具有射频功能。
可选的，DU和RU可以在物理层(physical layer，PHY)进行划分。例如，DU可以实现PHY层中的高层功能，RU可以实现PHY层中的低层功能。其中，用于发送时，PHY层的功能可以包括以下至少一项：添加循环冗余校验(cyclic redundancy check，CRC)码、信道编码、速率匹配、加扰、调制、层映射、预编码、资源映射、物理天线映射、或射频发送功能。用于接收时，PHY层的功能可以包括以下至少一项：CRC校验、信道解码、解速率匹配、解扰、解调、解层映射、信道检测、资源解映射、物理天线解映射、或射频接收功能。其中，PHY层中的高层功能可以包括PHY层的一部分功能，例如该部分功能更加靠近MAC层，PHY层中的低层功能可以包括PHY层的另一部分功能，例如该部分功能更加靠近射频功能。例如，PHY层中的高层功能可以包括添加CRC码、信道编码、速率匹配、加扰、调制、和层映射，PHY层中的低层功能可以包括预编码、资源映射、物理天线映射、和射频发送功能；或者，PHY层中的高层功能可以包括添加CRC码、信道编码、速率匹配、加扰、调制、层映射和预编码，PHY层中的低层功能可以包括资源映射、物理天线映射、和射频发送功能。例如，PHY层中的高层功能可以包括CRC校验、信道解码、解速率匹配、解码、解调、和解层映射，PHY层中的低层功能可以包括信道检测、资源解映射、物理天线解映射、和射频接收功能；或者，PHY层中的高层功能可以包括CRC校验、信道解码、解速率匹配、解码、解调、解层映射、和信道检测，PHY层中的低层功能可以包括资源解映射、物理天线解映射、和射频接收功能。
示例性的，CU的功能可以由一个实体来实现，或者也可以由不同的实体来实现。例如，可以对CU的功能进行进一步划分，即将控制面和用户面分离并通过不同实体来实现，分别为控制面CU实体(即CU-CP实体)和用户面CU实体(即CU-UP实体)。该CU-CP实体和CU-UP实体可以与DU相耦合，共同完成接入网设备的功能。
可选的，上述DU、CU、CU-CP、CU-UP和RU中的任一个可以是软件模块、硬件结构、或者软件模块+硬件结构，不予限制。其中，不同实体的存在形式可以是不同的，不予限制。例如DU、CU、CU-CP、CU-UP是软件模块，RU是硬件结构。这些模块及其执行的方法也在本公开的保护范围内。
一种可能的实现中，接入网设备包括CU-CP、CU-UP、DU和RU。例如，本公开的执行主体包括DU，或者包括DU和RU，或者包括CU-CP、DU和RU，或者包括CU-UP、DU和RU，不予限制。各模块所执行的方法也在本公开的保护范围内。
终端设备也可以称为终端、用户设备(user equipment，UE)、移动台、移动终端设备等。终端设备可以广泛应用于各种场景中的通信，例如包括但不限于以下至少一个场景：设备到设备(device-to-device，D2D)、车物(vehicle to everything，V2X)、机器类通信(machine-type communication，MTC)、物联网(internet of things，IOT)、虚拟现实、增强现实、工业控制、自动驾驶、远程医疗、智能电网、智能家具、智能办公、智能穿戴、智 能交通、或智慧城市等。终端设备可以是手机、平板电脑、带无线收发功能的电脑、可穿戴设备、车辆、无人机、直升机、飞机、轮船、机器人、机械臂、或智能家居设备等。本公开对终端设备所采用的具体技术和具体设备形态不做限定。
在本公开中，用于实现终端设备的功能的装置可以是终端设备；也可以是能够支持终端设备实现该功能的装置，例如芯片系统、硬件电路、软件模块、或硬件电路加软件模块，该装置可以被安装在终端设备中或可以与终端设备匹配使用。为了便于描述，下文以用于实现终端设备的功能的装置是终端设备，终端设备为UE为例，描述本公开提供的技术方案。
基站和终端设备可以是固定位置的，也可以是可移动的。基站和/或终端设备可以部署在陆地上，包括室内或室外、手持或车载；也可以部署在水面上；还可以部署在空中的飞机、气球和人造卫星上。本公开对基站和终端设备的应用场景不做限定。基站和终端设备可以部署在相同的场景或不同的场景，例如，基站和终端设备同时部署在陆地上；或者，基站部署在陆地上，终端设备部署在水面上等，不再一一举例。
基站和终端设备的角色可以是相对的，例如，图1中的直升机或无人机120i可以被配置成移动基站，对于那些通过120i接入到无线接入网100的终端设备120j来说，终端设备120i是基站；但对于基站110a来说，120i是终端设备，即110a与120i之间是通过无线空口协议进行通信的。110a与120i之间也可以是通过基站与基站之间的接口协议进行通信的，此时，相对于110a来说，120i也是基站。因此，基站和终端设备都可以统一称为通信装置，图1中的110a和110b可以称为具有基站功能的通信装置，图1中的120a-120j可以称为具有终端设备功能的通信装置。
在本公开中，基站向终端设备发送下行信号或下行信息，下行信息承载在下行信道上；终端设备向基站发送上行信号或上行信息，上行信息承载在上行信道上。终端设备为了与基站进行通信，需要与基站控制的小区建立无线连接。与终端设备建立了无线连接的小区称为该终端设备的服务小区。当终端设备与该服务小区进行通信的时候，还可能受到来自邻区的信号的干扰。
可以理解的是，本公开的实施例中，物理下行共享信道(physical downlink shared channel，PDSCH)、物理下行控制信道(physical downlink control channel，PDCCH)、物理上行共享信道(physical uplink shared channel，PUSCH)和物理上行控制信道(physical uplink control channel，PUCCH)只是作为下行数据信道、下行控制信道、上行数据信道和上行控制信道的一种举例，在不同的系统和不同的场景中，数据信道和控制信道可能有不同的名称，本公开的实施例对此并不做限定。
在本公开中，可在前述图1所示的通信系统中引入独立的网元，例如AI网元、或AI节点等，来实现AI相关的操作，AI相关的操作包括以下至少一项：数据收集、模型训练、模型信息发布、模型推理、或推断结果发布等。AI网元可以和通信系统中的接入网设备之间直接连接，或者可以通过第三方网元和接入网设备实现间接连接。其中，第三方网元可以是认证管理功能(authentication management function，AMF)、或用户面功能(user plane function，UPF)等核心网网元；或者，可以在通信系统中的其他网元内配置AI功能、AI模块或AI实体来实现AI相关的操作，例如该其他网元可以是接入网设备(如gNB)、核心网设备、或网管(operation,administration and maintenance，OAM)等，在这种情况下，执行AI相关的操作的网元为内置AI功能的网元。其中，上述OAM用于对接入网设备和/ 或核心网设备等进行操作、管理和维护等。
在本公开中，如图2或图3所示，核心网设备、接入网设备、终端设备或OAM等中的至少一个设备可以部署有AI模型，利用该AI模型实现相应的功能。在本公开中，不同节点中部署的AI模型可以相同或不同，模型不同包括以下至少一项不同：模型的结构参数不同，例如，模型的层数和/或权值等不同；模型的输入参数不同；或模型的输出参数不同等。其中，模型的输入参数和/或模型的输出参数不同可以描述为模型的功能不同。与上述图2不同的是，在图3中，将接入网设备的功能拆分为CU和DU。可选的，可选的，CU和DU可以为O-RAN架构下的CU和DU。CU中可以部署有一个或多个AI模型。和/或，DU中可以部署有一个或多个AI模型。可选的，还可以进一步，将图3中的CU拆分为CU-CP和CU-UP。可选的，CU-CP中可以部署有一个或多个AI模型。和/或，CU-UP中可以部署有一个或多个AI模型。可选的，图2或图3中，接入网设备的OAM和核心网设备的OAM可以分别独立部署。
可选的，图4a为本公开的一种通信系统的架构。如图4a所示，在第一种设计中，接入网设备中包括近实时接入网智能控制(RAN intelligent controller，RIC)模块，用于进行模型训练和推理。例如，近实时RIC可以用于训练AI模型，利用该AI模型进行推理。例如，近实时RIC可以从CU、DU或RU中的至少一项获得网络侧和/或终端侧的信息，该信息可以作为训练数据或者推理数据。可选的，近实时RIC可以将推理结果递交至CU、DU、RU或终端设备中的至少一项。可选的，CU和DU之间可以交互推理结果。可选的，DU和RU之间可以交互推理结果，例如近实时RIC将推理结果递交至DU，由DU转发给RU。
或者，在第二种设计中，如图4a所示，接入网设备之外包括非实时RIC(可选的，非实时RIC可以位于OAM中或者核心网设备中)，用于进行模型训练和推理。例如，非实时RIC用于训练AI模型，利用该模型进行推理。例如，非实时RIC可以从CU、DU或RU中的至少一项获得网络侧和/或终端侧的信息，该信息可以作为训练数据或者推理数据，该推理结果可以被递交至CU、DU、RU或终端设备中的至少一项。可选的，CU和DU之间可以交互推理结果。可选的，DU和RU之间可以交互推理结果，例如非实时RIC将推理结果递交至DU，由DU转发给RU。
或者，在第三种设计中，如图4a所示，接入网设备中包括近实时RIC，接入网设备之外包括非实时RIC(可选的，非实时RIC可以位于OAM中或者核心网设备中)。同上述第二种设计，非实时RIC可以用于进行模型训练和推理。和/或，同上述第一种设计，近实时RIC可以用于进行模型训练和推理。和/或，非实时RIC进行模型训练，近实时RIC可以从非实时RIC获得AI模型信息，并从CU、DU或RU中的至少一项获得网络侧和/或终端侧的信息，利用该信息和该AI模型信息得到推理结果。可选的，近实时RIC可以将推理结果递交至CU、DU、RU或终端设备中的至少一项。可选的，CU和DU之间可以交互推理结果。可选的，DU和RU之间可以交互推理结果，例如近实时RIC将推理结果递交至DU，由DU转发给RU。例如，近实时RIC用于训练模型A，利用模型A进行推理。例如，非实时RIC用于训练模型B，利用模型B进行推理。例如，非实时RIC用于训练模型C，将模型C的信息发送给近实时RIC，近实时RIC利用模型C进行推理。
图4b为本公开的另一种通信系统的架构。相对图4a，图4b中将CU分离成为了CU-CP和CU-UP等。
如图4c所示为AI的一种应用框架的示意图。数据源(data source)用于存储训练数据和推理数据。模型训练节点(model trainning host)通过对数据源提供的训练数据(training data)进行分析或训练，得到AI模型，且将AI模型部署在模型推理节点(model inference host)中。可选的，模型训练节点还可以对已部署在模型推理节点的AI模型进行更新。模型推理节点还可以向模型训练节点反馈已部署模型的相关信息，以使得模型训练节点对已部署的AI模型进行优化或更新等。
其中，AI模型表征了模型的输入和输出之间的映射关系。通过模型训练节点学习得到AI模型，相当于由模型训练节点利用训练数据学习得到模型的输入和输出之间的映射关系。模型推理节点使用AI模型，基于数据源提供的推理数据进行推理，得到推理结果。该方法还可以描述为：模型推理节点将推理数据输入到AI模型，通过AI模型得到输出，该输出即为推理结果。该推理结果可以指示：由执行对象使用(执行)的配置参数、和/或由执行对象执行的操作。推理结果可以由执行(actor)实体统一规划，并发送给一个或多个执行对象(例如，网络实体)去执行。
在本公开中，AI模型实现了AI功能的具体方法。AI模型可以是神经网络或者其它机器学习模型。AI模型可以简称为模型。以神经网络为例，神经网络是机器学习技术的一种具体实现形式。根据通用近似定理，神经网络在理论上可以逼近任意连续函数，从而使得神经网络具备学习任意映射的能力。传统的通信系统需要借助丰富的专家知识来设计通信模块，而基于神经网络的深度学习通信系统可以从大量的数据集中自动发现隐含的模式结构，建立数据之间的映射关系，获得优于传统建模方法的性能。
神经网络的思想来源于大脑组织的神经元结构。每个神经元都对其输入值做加权求和运算，将加权求和结果通过一个激活函数产生输出。如图5所示，为神经元结构示意图。假设神经元的输入为x＝[x 0,x 1,…,x n],与各输入对应的权值分别为w＝[w,w 1,…,w n]，加权求和的偏置为b。激活函数的形式可以多样化，假设一个神经元的激活函数为：y＝f(z)＝max(0,z)，则该神经元的输出为：
Figure PCTCN2022144275-appb-000001
Figure PCTCN2022144275-appb-000002
再例如一个神经元的激活函数为：y＝f(z)＝z，则该神经元的输出为：
Figure PCTCN2022144275-appb-000003
Figure PCTCN2022144275-appb-000004
b可以为小数、整数(包括0、正整数或负整数等)、或复数等各种可能的取值。神经网络中不同神经元的激活函数可以相同或不同。
神经网络一般包括多层结构，每层可包括一个或多个神经元。增加神经网络的深度和/或宽度可以提高该神经网络的表达能力，为复杂系统提供更强大的信息提取和抽象建模能力。其中，神经网络的深度可以指神经网络包括的层数，每层包括的神经元个数可以称为该层的宽度。如图6所示，为神经网络的层关系示意图。一种实现中，神经网络包括输入层和输出层。神经网络的输入层将接收到的输入经过神经元处理后，将结果传递给输出层，由输出层得到神经网络的输出结果。另一种实现中，神经网络包括输入层、隐藏层和输出层。神经网络的输入层将接收到的输入经过神经元处理后，将结果传递给中间的隐藏层，隐藏层再将计算结果传递给输出层或者相邻的隐藏层，最后由输出层得到神经网络的输出结果。一个神经网络可以包括一层或多层依次连接的隐藏层，不予限制。神经网络的训练过程中，可以定义损失函数。损失函数描述了神经网络的输出值和理想目标值之间的差距或差异，本公开不限制损失函数的具体形式。神经网络的训练过程就是通过调整神经网络参数，如神经网络的层数、宽度、神经元的权值、和/或神经元的激活函数中的参数等，使得损失函数的值小于阈值或者满足目标需求的过程。
所述神经网络包括深度神经网络(deep neural network,DNN)，根据网络的构建方式，DNN可分为前馈神经网络(feedforward neural network,FNN)、卷积神经网络(convolutional neural networks,CNN)和递归神经网络(recurrent neural network,RNN)等。在本公开中，所述AI模型可以是FNN、CNN或RNN等，或者为其它类型的神经网络等，不作限定。
在无线通信系统中，存在上行通信链路和下行通信链路。其中，终端设备向基站发送上行信号或上行信息的链路，称为上行通信链路；基站向终端设备发送下行信号或下行信息的链路，称为下行通信链路。在过去十几年，由于无线网络中的大部分数据都是下行通信数据，下行通信链路一直被关注最多。而最近几年，随着直播、高清视频通话等业务的兴起，上行通信需求变成越来越紧迫。如何提高上行通信速率是当前的一种研究方向。
上行预编码技术是提升上行通信速率的一项重要途径。上行预编码技术是利用UE的多个天线(或称为天线端口)，对每个天线的发送数据赋以各自的权值，实现波束赋形的效果，使UE发送的信号更加匹配UE和基站间的信道条件。例如，终端设备发送的信号为X，上行信道为H，上行预编码矩阵为W，噪声为N 0，则UE发送的上行信号为：S＝WX；基站接收到的上行信号为：Y＝HWX+N 0。
由于希望预编码矩阵W尽量与上行信道H相匹配，故可以先由基站估计出上行信道H，计算相应的预编码矩阵W，再将W通知UE用于上行预编码。W的格式通常为复阵列，即
W＝[w 1,w 2,…,w N] T
其中，N表示UE的天线数；w i表示赋在第i个天线上的权值，w i是一个浮点复数，i取值为1至N。基站向UE通知精准的W，需要消耗较多的空口开销，且当UE个数增多时，此时反馈开销会成倍增大，严重影响无线网络的空口效率。因此，如何以较低空口开销向UE通知预编码矩阵W是亟待解决的问题。
在一种可能的实现中，可以定义基于码本的上行传输(codebook-based uplink transmission)，其原理为：约定一系列固定的预编码码本(codebook，CB)，分别适用于UE具有不同天线数的情况。每个码本包含若干个各不相同的预编码矩阵。在上行数据传输时，基站通知UE选择码本中的某一个预编码矩阵，用于对上行信号进行预编码。例如，对于具有4个天线的UE，约定的固定码本CB＝[W 1,W 2,…,W 4]，包含4个可选的预编码矩阵W i，其中W i＝[w 1,w 2,…,w 4] T。
在一种设计中，如图7所示，基站向UE通知预编码矩阵的流程，包括：
步骤701：UE向基站发送探测参考信号(sounding reference signal，SRS)。
步骤702：基站根据对SRS的测量，估计上行信道H。在预定义的CB中，选择与H相匹配的预编码矩阵。
步骤703：基站将所选择预编码矩阵的索引通知UE。
步骤704：UE收到索引后，根据预定义的码本，确定该索引对应的预编码矩阵。根据该预编码矩阵，对上行信号进行预编码。
在上述设计中，基站不再向UE通知预编码矩阵W，W为浮点复数矩阵，数据量较大，而是向UE通知预编码矩阵W的索引，索引通常为一个较小的整数，数据量较小，可显著降低空口的开销。但在该设计中，约定的码本是一种通用的固定码本，所有UE都使用相同的码本，且码本中的候选预编码矩阵的数量较少，缺乏灵活性。例如，在可能的设计中， 4个天线的码本仅仅将360度平分为4分，每个预编码矩阵指向一个平分角度，指示精度很低。实际中不同UE所处的信道环境是差异很大的。例如，有的信道以直射多径为主，有的信道以散射多径为主，信号的来波方向各不相同，其信道特征也各不相同，同一套固定码本难以与千变万化的信道环境相匹配，且码本中的预编码矩阵与最优的预编码矩阵往往差异较大，其波束成型的增益效果也大打折扣。例如，通过仿真发现，对于具有4个天线的UE，从约定码本中选择的预编码矩阵，相对于最优设计的预编码矩阵有大约1.2dB的解调损失，这说明约定的码本还有很大的改进空间。
本公开提供一种上行预编码方法，在该方法中，可以为每个UE配置个性化的码本，从而使得码本与UE的实际信道环境更匹配，提高UE的预编码精度。如图8所示，该方法至少包括以下步骤：
步骤801：UE向基站发送第一参考信号；相应的，基站接收来自UE的第一参考信号。
其中，所述第一参考信号可以为SRS，或其它上行参考信号等。
步骤802：基站根据所接收到的第一参考信号，确定第一码本，所述第一码本用于对上行信号进行预编码。可选的，对第一码本的粒度不作限定。例如，可针对整个上行带宽，为UE配置一个码本，即第一码本可适用整个上行带宽的预编码。或者，针对上行带宽中的每个子带，基站可分别为UE配置一个码本等。例如，基站为第一子带配置第一码本，该第一码本适用于对第一子带进行预编码等。
例如，UE可以在Z个资源上，分别发送Z个参考信号。该Z个资源可以通过时域、频域和/或空域等方式相区分，所述Z为大于0的正整数。比如，UE可以在Z个时刻，分别发送Z个参考信号，则上述Z个资源是以时域方式相区分的。基站对接收的Z个参考信号分别进行测量，获得上行信道信息，该上行信道信息可为上行信道的特征矩阵H。为了便于描述，也可称为上行信道H。根据Z个上行信道信息，确定第一码本，第一码本可称为UE的个性化码本。
在一种实现方式中，基站可根据所述Z个上行信道信息和码本生成模型，确定所述第一码本。码本生成模型用于根据Z个上行信道信息，确定第一码本，对码本生成模型的名称不作限定，例如，码本生成模型还可称为模型、或AI模型等。
例如，可将上述Z个上行信道信息，例如Z个H，作为码本生成模型的输入，该码本生成模型的输出为第一码本。例如，如图9所示，将UE1对应的上行信道信息h1，输入到码本生成模型，输出为UE1对应的码本；将UE2对应的上行信道信息h2，输入到码本生成模型，输出为UE2对应的码本。或者，可对上述Z个上行信道信息进行处理，所述处理包括但不限于：对Z个H做量化、实部和虚部分离，或相位和幅度分离等。将处理后的Z个H作为码本生成模型的输入。和/或，码本生成模型的输出为第一码本相关的信息，根据码本生成模型的输出，确定第一码本。例如，第一码本可以包括Z个预编码矩阵，或者Z个量化的预编码矩阵，或者M个预编码矩阵，或者M个量化的预编码矩阵，所述M的取值小于或等于Z，且大于0的正整数。比如，上述码本生成模型的输出为Z个预编码矩阵；基站还可能需要对Z个预编码矩阵聚类，生成M个预编码矩阵；对M个预编码矩阵进行量化，第一码本中包括M个量化的预编码矩阵等。当然，也可以设计码本生成模型的输出直接为M个量化的预编码矩阵等。
应当指出，在上述描述中，是以基站根据单个UE的Z个信道信息，确定单个UE的第一码本为例描述的。在另一种方案中，设定多个UE在相同的资源上发送上行参考信号。 则针对每个UE发送的上行参考信号，均可以获取该UE对应的上行信道信息。基站可根据多个UE对应的上行信道信息和码本生成模型，确定适用于上述多个UE的码本。例如，基站同时服务2个UE，该2个UE在相同的资源上发送参考信号。针对UE1发送的参考信号，基站确定的上行信道信息为h1，针对UE2发送的参考信号，基站确定的上行信道信息为h2。则基站可将上述2个UE信道的级联H＝{h1,h2}，作为码本生成模型的输入，输出UE1和UE2共用的码本。或者，基站对上述多个UE信道级联H进行处理，处理后的信息作为码本生成模型的输入，和/或，码本生成模型的输出为除该多个UE共同的码本外的其它信息。基站对上述码本生成模型输出的其它信息进行进一步处理，确定该多个UE共用的码本等。
在另一种实现方式中，基站可根据Z个上行信道信息，确定Z个预编码矩阵。其中，基站根据Z个上行信道信息H，计算Z个预编码矩阵，其计算方法可包括：加权最小均方误差法(weighted minimum mean square error，WMMSE)、迫零法(zero forcing，ZF)，或者其他方法等。基站可以根据所述Z个预编码矩阵，确定所述第一码本。
上述第一码本中包括Z个预编码矩阵，码本中的预编码矩阵还可称为码字。进一步的，可对上述Z个预编码矩阵进行量化，所述第一码本中包括Z个量化的预编码矩阵。或者，根据Z个预编码矩阵和预编码矩阵生成模型，确定M个预编码矩阵，所述M小于或等于Z。所述预编码矩阵生成模型用于将上述Z个预编码矩阵，收敛为M个预编码矩阵。本公开，对预编码矩阵生成模型的名称不作限定。例如，可称为模型或AI模型等。在该设计中，可将上述Z个预编码矩阵，直接作为预编码矩阵生成模型的输入，输入到预编码矩阵生成模型中，该预编码矩阵生成模型的输出为第一码本。或者，可对Z个预编码矩阵进行处理，处理后的Z个预编码矩阵作为预编码矩阵生成模型的输入，和/或，预编码矩阵生成模型的输出也可以为与第一码本相关的其它信息，对其它信息进行处理，才可获得第一码本等。由于第一码本中包括的预编码矩阵的数量较少，则后续基站向UE指示第一码本中某个预编码矩阵的索引时，所需的信令开销就较小。或者除上述AI的方法外，还可以采用聚类方法，将上述Z个预编码矩阵，聚类为M个预编码矩阵，所述聚类方法包括但不限于：K均值法、双向K均值法、分层聚类法等。进一步的，可对上述M个预编码矩阵进行量化，得到M个量化的预编码矩阵，所述第一码本中包括所述M个量化的预编码矩阵。
应当指出，在上述描述中，是以基站通过对单个UE的上行参考信号进行测量，获得单个UE的预编码矩阵；根据单个UE的预编码矩阵，确定单个UE的第一码本为例描述的。在一种设计中，如果基站同时服务多个UE，多个UE占用相同的资源，则基站根据每个UE发送的参考信号，均可确定该UE对应的上行信道信息。进一步，根据每个UE对应的上行信道信息，确定每个UE对应的预编码矩阵。根据多个UE对应的预编码矩阵，确定适用于上述多个UE的码本等。举例来说，系统中包括2个UE，该2个UE占用相同的资源，该相同资源的数目为Z。则针对UE1，在Z个资源上发送的参考信号，确定Z1个预编码矩阵。针对UE2，在Z个资源上发送的参考信号，确定Z2个预编码矩阵。在一种设计中，同时适用于UE1和UE2的码本中包括(Z1+Z2)个预编码矩阵，或者，该同时适用于UE1和UE2的码本中包括量化的(Z1+Z2)个预编码矩阵。或者，基站可收敛上述(Z1+Z2)个预编码矩阵，得于M个预编码矩阵，该同时适用于UE1和UE2的码本中包括M个预编码矩阵，或者量化的M个预编码矩阵等。
或者上述步骤802中的过程，还可以描述为：基站根据UE发送的参考信号，估计上行信道，并计算与上行信道匹配的预编码矩阵；可选的，计算出的预编码矩阵W的取值范围是连续空间上的复矩阵。根据单个UE在多个时刻计算出的多个预编码矩阵W，确定第一码本。所述多个预编码矩阵的个数为Z，根据Z个预编码矩阵，确定第一码本的过程，可参见前述的说明。
步骤803：基站向UE发送第一码本；相应的，UE接收来自基站的第一码本。
通过上述方法，基站可以为UE配置个性化的码本，该个性化的码本可以更匹配UE的信道特征，其预编码矩阵对应的波束不再是空间上做均分，可以在主要的来波方向上做较细密的划分，提高UE的预编码精度。
应当指出，在上述描述中，基站可能需要部署码本生成模型或预编码矩阵生成模型。本公开中，基站中的任一模型，可以是基站离线或在线训练的，或者其它第三方节点训练好发送给基站的，不作限定。在码本生成模型的训练过程中，以监督学习为例，训练数据中包括训练样本和标签，所述训练样本为Z个上行信道信息，标签为码本，该码本为M个量化的矩编码矩阵等。则模型训练节点可根据Z个上行信道信息和码本生成模型，确定码本生成模型的输出；根据码本生成模型的输出与标签，确定损失函数的数值；若损失函数的数值小于(或者小于等于)阈值或满足目标需求，则训练完成。本公开中，所述损失函数的数值小于(或者小于等于)阈值或满足目标需求，包括：针对一个或多个训练样本，每个训练样本的损失函数的数值均小于(或者小于等于)阈值或满足目标需求；或者，所有训练样本的损失函数的加权求和值，例如平均值，小于(或者小于等于)阈值或满足目标需求。否则，调整码本生成模型中的参数，继续进行模型训练。如果码本生成模型为神经网络，则训练过程中可调整模型中的以下任一项参数：神经网络的层数、神经网络的宽度、层的连接关系、神经元的权重值、神经元的激活函数、或激活函数中的偏置等，以使得神经网元的输出与理想目标值之间的差异尽可能小。其中，预编码矩阵生成模型的训练过程，与上述码本生成模型的训练过程相似，不再重复说明。在上述描述中，是以采用监督学习为例描述的，并不限定。比如，在训练过程中，还可以采用非监督学习或强化学习等。
可选的，在上述图8所示的流程，除上述步骤801至步骤803外，还可以包括以下步骤：
步骤804a：UE向基站发送第二参考信号；相应的，基站接收来自UE的第二参考信号。该第二参考信号可以为SRS，或其它上行参考信号等，不作限定。
步骤805a：基站根据接收到的第二参考信号，确定第一码本中的第一预编码矩阵。
例如，基站根据接收的参考信号，确定上行信道H。基站根据上行信道H，确定第一码本中的第一预编码矩阵。例如，第一码本中包括n个预编码矩阵。针对第i个预编码矩阵，所述i为大于或等于1，小于或等于n的正整数。基站模拟计算利用第i个预编码矩阵，对上行信道H进行预编码时，对应上行传输的指标，所述上行传输的指标中包括以下至少一项：上行的信干噪比，或上行吞吐率等。基站在第一码本包括的n个预编码矩阵中，选择上行传输指标最优的预编码矩阵，作为通知给UE的第一预编码矩阵。例如，选择信干噪比最大的预编码矩阵，作为第一预编码矩阵，或者选择上行吞吐率最大的预编码矩阵，作为第一预编码矩阵等。
例如，在一种实现方式中，基站根据当前时刻估计的第i个UE的上行信道H i，确定 第i个UE对应的第一预编码矩阵。与上述相似，设定第一码本中包括n个预编码矩阵。针对上述n个预编码矩阵中的每个预编码矩阵，计算该预编码矩阵对上行信道H i预编码时，其对应上行的吞吐率。在第一码本中，选择上行吞吐率最大的预编码矩阵，作为通知给UE的第一预编码矩阵。例如，一种可能的基站模拟计算上行吞吐率的公式为：
Figure PCTCN2022144275-appb-000005
其中，|H iP i|表示第i个UE的上行信号经过预编码后的等效信号功率；|H kP k|表示除第i个UE外，其他UE对第i个UE的干扰功率；σ 2表示噪声功率；
Figure PCTCN2022144275-appb-000006
表示第i个UE的信号干扰噪声比，即信干噪比；通过对第i个UE的信干噪比，取对数(即lg()运算)，可确定第i个UE的上行吞吐率。
步骤806a：基站向UE发送第一预编码矩阵的索引，可称为第一索引；相应的，UE接收来自基站的第一预编码矩阵的索引。
在本公开中，UE在接收到第一预编码矩阵的索引，即第一索引时，可根据第一码本，确定第一索引对应的第一预编码矩阵P，并用预编码矩阵P对上行信号进行预编码，例如预编码后的信号可表示为：S＝PX，所述X表示未经预编码的信息，S指经预编码后，实际发射的信号。
步骤807a：UE向基站发送预编码的上行信号；相应的，基站接收来自UE的预编码的上行信号。
通过上述，基站预先为UE配置个性化码本；在UE实际上行传输时，基站向UE指示个性化码本中的某个预编码矩阵。相对于为UE配置固定化的码本的方式，可提高预编码的精度和信道匹配性。此外，为UE配置个性化的码本，在一定程度上可避免多用户干扰。
在上述图8的描述中，在整个带宽下，基站仅向UE指示一个预编码矩阵。UE利用基站指示的预编码矩阵，对带宽对应的上行信号进行预编码，则UE在整个带宽上使用相同的预编码矩阵，对上行信号进行预编码。由于信道的频率选择性，每个子带上的信道往往存在差异。本公开提供一种方案：基站以带宽中包括的子带为单位，向UE指示预编码矩阵。例如，整个带宽中包括X个子带，则基站针对X个子带中的每个子带，可分别指示对应的预编码矩阵，所述X为大于0的正整数。如图10所示，提供上行预编码方法的流程图，该流程除包括上述步骤801至步骤803外，可选的，还可以包括：
步骤804b：UE向基站发送第二参考信号；相应的，基站接收来自UE的第二参考信号。
步骤805b：基站根据接收到的第二参考信号，在第一码本中，选择预编码矩阵。
在本公开中，基站可根据接收到的第二参考信号，确定UE的上行带宽中每个子带对应的上行信道H；根据每个子带对应的H，确定每个子带对应的预编码矩阵。比如，对于上行带宽中包括的至少一个子带中的任一个子带：设定第一码本中包括n个预编码矩阵，基站可模拟计算，利用n个预编码矩阵中的每一个预编码矩阵，分别对该子带对应的H进行预编码时，对应的上行信干噪比或上行吞吐率；在n个预编码矩阵中，选择上行信干噪比或上行吞吐率最大的预编码矩阵，作为该子带的预编码矩阵。
步骤806b：基站向UE发送每个子带对应的预编码矩阵的索引。
例如，基站将每个子带对应的预编码矩阵的索引，直接通知UE。例如，UE的上行带 宽中包括2个子带，分别为子带1和子带2；第一码本中包括2个预编码矩阵，分别为预编码矩阵1和预编码矩阵2。则基站可通知UE，子带1对应的预编码矩阵，例如为预编码矩阵1；以及子带2对应的预编码矩阵，例如，预编码矩阵2。或者，
由于无线信道在频域的连续变化性，虽然各子带的信道不完全相同，但相邻子带间具有相关性，故相邻子带的预编码矩阵也会有一定的相关性。本公开基站可利用相邻子带的预编码矩阵的相关性，向UE指示不同子带的预编码矩阵。此时，可以由协议约定子带预编码矩阵的指示规则，或者基站可以预先将子带预编码矩阵的指示规则，通知UE。例如，基站在上述步骤803中，将第一码本和子带预编码矩阵的指示规则，同时通知UE。也就是说，在上述步骤803中，基站除了向UE发送第一码本外，还需要向UE发送子带预编码矩阵的指示规则。比如，可预配置或预定义至少一种指示规则。基站通知UE，具体采用哪种指示规则，向UE发送每个子带对应的预编码矩阵等。举例来说，上行信道带宽包括第一子带和第二子带，第一子带和第二子带为相邻子带，则子带预编码矩阵的指示规则，包括：对于第一子带对应的预编码矩阵，指示第一子带对应的预编码矩阵的索引；对于第二子带对应的预编码矩阵，指示所述第二子带的预编码矩阵的索引相对于所述第一子带的预编码矩阵的索引的偏移方向和偏移值，所述偏移方向包括：所述第二子带对应的预编码矩阵的索引相对应于第一子带对应的预编码矩阵的索引，是增大或减少。例如，增大可用1表示，减少可用0表示。所述偏移值包括：所述第二子带对应的预编码矩阵的索引与第一子带对应的预编码矩阵的索引两者间差值的绝对值。例如，第二子带对应的预编码码阵的索引是X，第一子带对应的预编码矩阵的索引是Y，上述两个子带的偏移值为|X-Y|。该种指示方法，相对于上述直接指示每个子带对应的预编码矩阵索引的方式，可减少指示预编码矩阵索引的开销。
例如，基站针对为UE配置的第一码本中包括32个预编码矩阵，每个预编码矩阵的索引可用5比特来表示；同时，若将UE的整个上行带宽划分为连续的5个子带，则若采用直接指示每个子带对应预编码矩阵索引的方案，则基站向UE指示每个子带对应的预编码矩阵索引需要5*5＝25比特的开销。若利用子带间的相关性，指示子带间索引的变化量则可以减少指示预编码矩阵的开销。通过研究发现，相邻子带间的预编码矩阵索引变化通常不超过一定的数值，例如该数值可为4。例如，如图11所示，对子带1的预编码矩阵的索引为5，则子带1相邻的子带2的预编码矩阵的索引的取值范围为1—9。则子带2相对于子带1预编码矩阵的变化量可用3比特表示。其中，1比特表示子带2的预编码矩阵的索引，相对于子带1的预编码矩阵的索引，增大还是减少；2比特表示子带2的预编码矩阵的索引，与子带1的预编码矩阵的索引，两者间的偏移值。将整个上行带宽划分为5个连续子带的示例中，对于子带1的预编码矩阵需要用5比特指示，对于子带2至子带5的预编码矩阵各需要3比特指示，该5个子带的预编码矩阵总共需要5+3+3+3+3＝17个比特指示。相对于，上述5个子带的预编码矩阵总共需要25个比特指示，可减少预编码矩阵的指示开销。
步骤807b：UE向基站发送经过预编码的上行信号；相应的，基站接收来自UE的预编码的上行信号。
在本公开中，基站向UE指示整个带宽中每个子带各自对应的预编码矩阵，UE根据对应的预编码矩阵，对对应子带上传输的上行信号进行预编码。沿用上述举例，整个上行带宽被划分为5个子带，子带1至子带5对应的预编码矩阵分别为P1至P5。UE利用P1至 P5，分别对子带1至子带5对应的上行信号进行预编码。以子带1为例，则UE在子带1上发射的信号表示为：S＝P1X1，其中X1是子带1上未经过预编码的上行信号。
应当指出，在图10的流程中，基站确定不同子带对应的预编码矩阵的过程可通过AI的方式实现。例如，如图12所示，对于UE1的上行信道h1，将h1输出入到预编码矩阵计算模型中，该模型的输出为UE1对应的全带上行信道中每个子带对应的预编码矩阵。且根据子带预编码矩阵的指示规则，确定UE1中每个子带对应的预编码矩阵的指示信息。由于在该设计中，不再直接指示每个子带对应的预编码矩阵的索引，而是采用指示规则，减少了指示开销，因此该过程可称为对UE1中对应子带对应的预编码矩阵进行压缩指示等。对于UE2中每个子带对应的预编码矩阵的指示过程，与上述相似。其中，上述预编码矩阵计算模型的输入为上行信道H，输出为该上行信道H对应子带的预编码矩阵，对预编码矩阵计算模型的名称不作限定。
在本公开中，基站不仅向UE配置个性化的码本，还支持子带级预编码指示，提高码本和信道匹配性，和预编码的精度。
本公开还提供一种上行预编码的方法，在该方法中：基站向UE发送第一信息；UE根据第一信息和第一模型，自行确定预编码矩阵。如图13所示，该方法至少包括：
步骤1301：基站根据上行信道信息和第二模型，确定第一信息。
其中，第二模型的输入是根据上行信道信息所确定的，第一信息是根据第二模型的输出确定的。该第二模型可以是基站离线或在线训练的，或者从第三方节点获取的，例如第三方节点为OAM、云服务器、或核心网设备等。基站通过对上行信道进行测量，确定上行信道信息。将上行信息作为第二模型的输入，或者对上行信道信息进行处理，例如对上行信道信息进行量化、或将上行信道信息的实部和虚部相分离、或将上行信道信息的相位和幅度相分离等。将处理后的上行信道信息作为第二模型的输入。第二模型的输出为第一信息；或者，对第二模型的输出作处理，获得第一信息等。
步骤1302：基站向UE发送第一信息；对应的，UE接收来自基站的第一信息。
步骤1303：UE根据第一预编码矩阵，对上行信号进行预编码。
或者，上述步骤1303还可以描述为：UE根据第一信息和第一模型，确定第一预编码矩阵；UE根据第一预编码矩阵，对上行信号进行预编码。第一模型是UE离线或在线训练的，或者来自第三方节点，例如基站、OAM、云服务器、或核心网设备等。其中，所述第一模型的输入是根据所述第一信息确定的，第一预编码矩阵是根据第一模型的输出确定的。例如，UE在接收到第一信息时，可将第一信息作为第一模型的输入，直接输入到第一模型中，或者，对接收的第一信息进行处理，处理后的第一信息作为第一模型的输入等。第一模型的输出可以为第一预编码矩阵，或者，第一模型的输出可以为其它信息，例如，上行信道H，对第一模型的输出进行处理，得到第一预编码矩阵等。
在本公开中，对根据第一模型的输出，所确定的第一预编码矩阵的粒度不作限定。比如，第一预编码矩阵的粒度为带宽级、子带级、资源块(resource block，RB)级、或资源元素(resource element，RE)级等。例如，第一预编码矩阵为带宽级，则整个上行带宽对应一个预编码矩阵，即第一预编码矩阵。UE利用第一预编码矩阵，对上行带宽中的上行信号进行预编码。或者，第一预编码阵为子带级，则一个子带对应一个预编码矩阵，UE利用每个子带对应的预编码矩阵，对对应子带的上行信号进行预编码等。或者，第一预编 码矩阵为RB或RE级的，则每个RB或RE对应一个预编码矩阵，UE利用每个RB或RE对应的预编码矩阵，对RB或RE上传输的上行信号进行预编码等。可以理解的是，上述仅为示例，并不作为对本公开的限定。例如，根据设计或需要的不同，第一预编码矩阵还可以为其它粒度的。
步骤1304：UE向基站发送预编码的上行信号；相应的，基站接收来自UE的预编码的上行信号。
在本公开中，以上行信号为携带于PUSCH的上行数据信息为例。UE对PUSCH和该PUSCH对应的解调参考信号(demodulation reference signal，DMRS)，均采用第一预编码矩阵进行预编码。基站通过对接收的DRMS做估计，确定第一预编码矩阵；根据第一预编码矩阵，对PUSCH进行解码等。或者，UE将第一预编码矩阵发送给基站。基站根据接收的第一预编码矩阵，对来自UE的上行信号(例如PUSCH中携带的信号)进行解码等。
在图13所示的上行预编码方法中，UE利用第一信息和第一模型，自行确定预编码矩阵，此预编码矩阵不再是从码本中离线中选取的，而是UE根据第一信息所生成的浮点矩阵，可以更好的匹配信道环境，做到更好的指向精度。
如图14所示，提供一种上行预编码方法的流程，在该流程中，以基站向UE发送第一模型为例，至少包括：
步骤1401：UE向基站上报能力；相应的，基站接收UE上报的能力。该步骤1401是可选的。
例如，UE在接入到网络时，可以向基站上报能力，上报的能力包括以下至少一项：
UE是否支持运行机器学习模型。
UE支持的机器学习模型类型，如CNN、RNN、或随机森林模型等。
UE中用于存储机器学习模型的内存空间大小。
UE的算力信息，还可称为UE运行模型的计算能力。例如包括UE处理器的运算速度、和/或处理器能够处理的数据量大小等信息。
UE的能耗信息等。例如芯片的运行功耗、电池容量等。
或UE的硬件信息，包括UE天线的配置信息，例如天线个数或极化方向等，和/或射频通道等。
步骤1402：基站向UE发送第一模型的信息。相应的，UE接收来自基站的第一模型的信息。
其中，在UE上报的能力中支持机器学习时，基站才会向UE发送第一模型的信息。在该设计中，基站离线或在线训练第一模型和第二模型。
在一种设计中，第二模型为预编码压缩模型，第一模型为预编码恢复模型。本公开以基站进行模型训练为例进行描述，其他节点进行模型训练的方法是类似的。可选的，用于其他节点进行模型训练的样本是来自基站的，或者是根据给定的信道生成算法或者信道生成模型确定的，不予限制。以监督学习为例，基站采集的训练数据中包括训练样本和标签，训练样本为上行信道H，标签为该上行信道H对应的预编码矩阵。第二模型为预编码压缩模型，基站将H作为第二模型的输入，该第二模型的输出为压缩的预编码矩阵。或者，基站采用AI方式或非AI方式，确定上行信道H对应的预编码矩阵，将预编码矩阵作为第二模型的输入，输出为压缩的预编码矩阵。压缩的预编码矩阵作为第一模型的输入，输出为预编码矩阵。基站将第一模型输出的预编码矩阵与标签作对比，确定损失函数的数值。可 选的，该损失函数为均方误差函数(mean squre error，MSE)；若该损失函数的数值小于阈值或满足目标需求，则停止模型训练；否则对第一模型的参数和/或第二模型的参数进行调整，继续模型训练。在该设计中，第二模型用于对预编码矩阵进行压缩，该第二模型还可称为预编码压缩模型，或其他名称。第一模型用于根据接收的第一信息，确定或恢复预编码矩阵。第一模型还可称为预编码恢复模型，或其它名称。
在另一种设计中，以第二模型为CSI压缩模型，第一模型为预编码模型为例，描述模型训练的过程：
一种可能的模型训练方法是CSI压缩模型和预编码模型共同训练。其训练过程，如图15所示。其中，CSI压缩模型的输入为上行信道H，输出为压缩CSI。把每个UE的压缩CSI，输入到该UE对应的预编码模型，预编码模型的输出为UE的预编码矩阵，或者预编码模型的输出为上行信道信息，根据上行信道信息，确定预编码矩阵。把所有UE的预编码矩阵联合起来带入损失函数。针对损失函数，来优化CSI模型和各UE的预编码模型的参数，例如可采用反向传播方法，如随机梯度下降法，通过迭代算法得到最优模型的参数。由于该方法不需要标签，故属于非监督学习类别。需要说明的是，在图15中，是将CSI压缩模型和3个UE的预编码模型联合训练为例，并不作为对本公开的限定。
或者，单独训练每个UE的预编码模型和CSI压缩模型，其训练的过程，包括：基站收集训练数据，训练数据中包括训练样本和标签，训练样本为该UE对应的上行信道H，标签为该UE对应的预编码矩阵；上行信道H作为CSI压缩模型的输入，输出为该UE对应的压缩CSI；将压缩CSI输入到该UE对应的预编码模型，输出为该UE对应的预编码矩阵，或者输出为上行信道信息，根据该上行信道信息，确定预编码矩阵；根据预编码模型输出的预编码矩阵和标签，计算损失函数的数值；当损失函数的数值小于阈值或满足目标需求时，可结束模型训练；否则，更新或优化预编码模型或CSI压缩模型中的至少一个模型的参数，继续模型训练。
在该设计中，CSI压缩模型负责压缩上行信道H，针对每个UE输出相对应的压缩CSI；且将压缩CSI发送给UE；UE对接收的压缩CSI进行处理，生成预编码矩阵。因为H的各个子带甚至各个子载波间都存在相关性，所以基站侧的CSI压缩模型可以对H进行压缩。此外，由于预编码主要起到匹配信道、规避干扰的作用，所以CSI压缩模型可以提取信道的主要特征和干扰的主要特征，将这些特征反映在压缩CSI中。UE可以根据蕴含在压缩CSI中的主要特征，设计预编码矩阵，以达到较理想的预编码效果。
在本公开中，基站在训练好第一模型和第二模型时，可将第一模型的信息发送给UE。该第一模型的信息中包含以下至少一项：模型的参数、模型的输入格式、或模型的输出格式等。以神经网络为例，模型的参数中包括以下至少一项：神经网络的层数、神经网络的宽度、层间的连接关系、神经元的权重、神经元的激活函数、或激活函数中的偏值等。UE根据第一模型的信息，恢复或确定第一模型。
步骤1403：UE向基站发送参考信号；相应的，基站接收来自UE的参考信号。
其中，基站对接收的参考信号进行估计或测量等，确定上行信道信息。
步骤1404：基站根据上行信道信息和第二模型，确定第一信息。
步骤1405：基站向UE发送第一信息；相应的，UE接收来自基站的第一信息。
步骤1406：UE根据第一信息和第一模型，确定预编码矩阵；且利用预编码矩阵对上行信号进行预编码。
步骤1407：UE向基站发送预编码的上行信号；相应的，基站接收来自UE的预编码的上行信号。
在一种设计中，第二模型为预编码压缩模型，第一模型为预编码恢复模型。基站将根据终端发送的参考信号，确定的上行信道信息，作为第二模型的输入，或者将上行信道信息处理后的信息，作为第二模型的输入。第二模型的输出为压缩的预编码矩阵，或者对第二模型的输出处理后的信息为压缩的预编码矩阵。或者，基站可利用AI或非AI方式，确定上行信道信息对应的预编码矩阵，将预编码矩阵作为第二模型的输入，或者将处理后的预编码矩阵作为第二模型的输入，第二模型的输出为压缩的预编码矩阵。第一信息可用于指示压缩的预编码矩阵，该第一信息可显示或隐示指示压缩的预编码矩阵。后续，UE在接收到第一信息时，可根据第一信息，确定压缩的预编码矩阵；将压缩的预编码矩阵作为第一模型的输入，或者对压缩的预编码矩阵处理后的信息作为第一模型的输入，第一模型的输出包括预编码矩阵，或第一模型输出的信息处理后的信息包括预编码矩阵等。
在另一种设计中，第二模型为CSI压缩模型，第一模型为预编码模型。基站将上行信道的信息，作为第二模型的输入，该第二模型的输出为压缩的CSI。第一信息用于指示压缩的CSI。该第一信息可显示或隐示指示该压缩的CSI。终端在接收到第一信息时，可将压缩的CSI作为第一模型的输入，或者将对压缩CSI处理后的信息作为第一模型的输入。该第一模型的输出包括上行信道信息。终端根据上行信道信息，确定预编码矩阵。具体的，终端可采用AI方式或非AI方式，将上行信道信息转化为预编码矩阵等。对于非AI的方式，包括但不限于：WMMSE、迫零法ZF，或者其他方法等。或者，第一模型的输出直接包括预编码矩阵等。
应当指出，在上述描述中，是以确定单个UE的预编码矩阵为例描述。在基站侧，如果基站服务多个UE，且多个UE占用相同的资源，则根据上述第二模型，可同时确定多个UE的第一信息。以第二模型为CSI压缩模型，第一模型为预编码模型为例：
如图16所示，设定基站服务2个UE，该2个UE占用相同的资源为例。则基站分别测量该2个UE对应的上行信道信息，分别称为h1和h2。基站根据h1和h2，确定信道级联的H，该H＝{h1,h1}。将级联的H作为CSI压缩模型的输入，输出为级联的压缩CSI，该级联的压缩CSI可表示为G＝[G 1,G 2,…,G U]。其中，U的取值为UE的数目相一致。在该2个UE占用相同资源的场景下，U的取值为2，也即在该场景中，CSI压缩模型的输出为G＝[G 1,G 2]。其中，G 1表示UE1对应的压缩CSI，G 2表示UE2对应的压缩CSI。在本公中，压缩CSI可表示为：
G i＝[g 1,g 2,…,g L]
其中，i代表UE的编号。所述i的取值范围为小于或等于U的正整数，U的取值范围为大于或等于1的正整数。L代表空口反馈CSI的长度。进一步的，还可以对CSI压缩模型输出的G i的长度进行截取，以降低反馈压缩CSI的空口开销。
在本公开中，如图16所示，设定UE1的压缩CSI，称为压缩CSI1，该压缩CSI1为上述G 1。将压缩CSI1作为UE1对应预编码模型1的输入，输出为预编码矩阵W1。UE1利用W1对UE1的上行信号进行预编码。设定UE2所对应的压缩CSI，可称为压缩CSI2。将压缩CSI2作为UE2对应预编码模型2的输入，输出为预编码矩阵W2。UE2利用W2对UE2的上行信号进行预编码。
或者，在本公开中，基站可单独对每个UE的上行信道H进行压缩。例如，基站确定每个UE对应的上行信道的特征矩阵H，该H作为CSI压缩模型的输入，CSI压缩模型的输出为该UE对应的压缩CSI。例如，基站可将UE1对应的上行信道信息h1，作为CSI压缩模型的输入，输出为UE1对应的压缩CSI，即压缩CSI1。或者，基站将UE2对应的上行信道信息h2，作为CSI压缩模型的输入，输出为UE2对应的压缩CSI，即压缩CSI2。
在一种设计中，如图17所示，CSI压缩模型可包括5层卷积层网络和2层全连接层网络，预编码模型可包括4层卷积层网络和3层全连接层网络等。
应当指出，在本公开中，对H的含义作如下说明：所述H可称为上行信道信息、上行信道的特征矩阵，或上行信道的响应等。在本公开中，所述H可指单个UE的上行信道信息，或者指示多个UE的上行信道信息。例如，系统中包括3个UE，该3个UE占用相同的资源。则基站可对3个UE在对应资源上分别发送的参考信号进行测量，确定每个UE对应的上行信道信息hi，H可指3个UE级联的上行信道信息H＝[h1,h2,h3]。
在本公开中，不再采用码本，而是设计基站侧的第二模型和UE侧的第一模型。例如，第二模型为压缩CSI模型，该压缩CSI模型可将CSI压缩成长度较小的比特串，基站可通过控制CSI的长度来控制空口开销，通过设计可以达到较小的空口开销。UE侧利用预编码模型和压缩CSI，来生成预编码矩阵。该设计中，UE获取的预编码矩阵，不是从离散码本中选取的，可以更好的匹配信道环境，具有更好的指向精度。另外，通过对第二模型设计，该第二模型的输出支持各种粒度的预编码矩阵，如带宽级、子带级或RE级等的。
此外，在上述图8和图10中都是基于显示码本的方案，虽然反馈码本中的预编码矩阵的码字相对于反馈原始的预编码浮点矩阵W能显著降低反馈开销。但是由于码本中的码字是离散的，与最优预编码矩阵W有差异。虽然通过增大码本中码字的数量，可减少差异，但更大码本也会增大索引的比特数，增大反馈开销。在上述图13或图14的方案中，通过基站与UE侧两个匹配的AI模型，来完成预编码低开销指示。
可以理解的是，为了实现上述方法中的功能，基站和终端包括了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本公开描述的各示例的单元及方法步骤，本公开能够以硬件或硬件和计算机软件相结合的形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用场景和设计约束条件。
图18和图19为本公开提供的可能的通信装置的结构示意图。这些通信装置可以用于实现上述方法中终端或基站的功能，因此也能实现上述方法所具备的有益效果。在本公开中，该通信装置可以是如图1所示的终端120a-120j中的一个，也可以是如图1所示的基站119a或119b，还可以是应用于终端或基站的模块(如芯片)。
如图18所示，通信装置1800包括处理单元1810和收发单元1820，收发单元还可称为通信单元。通信装置1800用于实现上述图8、图10或图13中所示的方法中终端或基站的功能。
当通信装置1800用于实现图8或图10所示的方法中基站的功能时：收发单元1820用于接收来自终端设备的第一参考信号；处理单元1810用于根据所接收到的第一参考信号，确定第一码本，所述第一码本用于对上行信号进行预编码；收发单元1820还用于向所述终端设备发送所述第一码本。
当通信装置1800用于实现图8或图10所示的方法中UE的功能时：收发单元1820用 于向接入网设备发送第一参考信号，以及接收来自所述接入网设备的第一码本；处理单元1810用于利用所述第一码本，对上行信号进行预编码。
当通信装置1800用于实现图13所示方法中的UE的功能时：收发单元1820用于接收来自接入网设备的第一信息；处理单元1810，用于根据第一预编码矩阵，对上行信号进行预编码；其中，所述第一预编码矩阵是根据第一模型的输出确定的，所述第一模型的输入是根据所述第一信息确定的；收发单元1820，还用于向所述接入网设备发送预编码的上行信号。
当通信装置1800用于实现图13所示方法中的基站的功能时：处理单元1810用于根据上行信道信息和第二模型，确定第一信息；其中，所述第二模型的输入是根据所述上行信道信息确定的，所述第一信息是根据所述第二模型的输出确定的；收发单元1820用于向终端设备发送所述第一信息；其中，所述第一信息用于指示压缩的第一预编码矩阵，或者，所述第一信息用于指示压缩的信道状态信息CSI。
有关上述处理单元1810和收发单元1820更详细的描述可以直接参考图8、图10或图13所示的方法中相关描述直接得到，这里不加赘述。
如图19所示，通信装置1900包括处理器1910和接口电路1920。处理器1910和接口电路1920之间相互耦合。可以理解的是，接口电路1920可以为收发器或输入输出接口。可选的，通信装置1900还可以包括存储器1930，用于存储处理器1910执行的指令或存储处理器1910运行指令所需要的输入数据或存储处理器1910运行指令后产生的数据。
当通信装置1900用于实现上述方法时，处理器1910用于实现上述处理单元1810的功能，接口电路1920用于实现上述收发单元1820的功能。
当上述通信装置为应用于终端的芯片时，该终端芯片实现上述方法中终端的功能。该终端芯片从终端中的其它模块(如射频模块或天线)接收信息，该信息是基站发送给终端的；或者，该终端芯片向终端中的其它模块(如射频模块或天线)发送信息，该信息是终端发送给基站的。
当上述通信装置为应用于基站的模块时，该基站模块实现上述方法中基站的功能。该基站模块从基站中的其它模块(如射频模块或天线)接收信息，该信息是终端发送给基站的；或者，该基站模块向基站中的其它模块(如射频模块或天线)发送信息，该信息是基站发送给终端的。这里的基站模块可以是基站的基带芯片，也可以是DU或其他模块，这里的DU可以是开放式无线接入网(open radio access network，O-RAN)架构下的DU。
可以理解的是，本公开中的处理器可以是中央处理单元(central processing unit，CPU)，还可以是其它通用处理器、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其它可编程逻辑器件、晶体管逻辑器件，硬件部件或者其任意组合。通用处理器可以是微处理器，也可以是任何常规的处理器。
本公开中的存储器可以是随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。存储介质也可以是处理器的组成部分。处理器和存储介质可以 位于ASIC中。另外，该ASIC可以位于基站或终端中。当然，处理器和存储介质也可以作为分立组件存在于基站或终端中。
本公开中的方法可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时，全部或部分地执行本公开所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、网络设备、用户设备、核心网设备、OAM或者其它可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，例如，软盘、硬盘、磁带；也可以是光介质，例如，数字视频光盘；还可以是半导体介质，例如，固态硬盘。该计算机可读存储介质可以是易失性或非易失性存储介质，或可包括易失性和非易失性两种类型的存储介质。
在本公开中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
本公开中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。在本公开的文字描述中，字符“/”，一般表示前后关联对象是一种“或”的关系；在本公开的公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“包括A，B或C中的至少一个”可以表示：包括A；包括B；包括C；包括A和B；包括A和C；包括B和C；包括A、B和C。
可以理解的是，在本公开中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本公开的范围。上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定。

Claims (27)

  1. 一种上行预编码方法，其特征在于，包括：
    接收来自接入网设备的第一信息；
    根据第一预编码矩阵，对上行信号进行预编码；
    其中，所述第一预编码矩阵是根据第一模型的输出确定的，所述第一模型的输入是根据所述第一信息确定的；
    向所述接入网设备发送预编码的上行信号。
  2. 如权利要求1所述的方法，其特征在于，
    所述第一信息用于指示压缩的第一预编码矩阵，所述第一模型的输出包括所述第一预编码矩阵；或者，
    所述第一信息用于指示压缩的信道状态信息CSI，所述第一模型的输出包括上行信道信息，根据所述上行信道信息，确定所述第一预编码矩阵；或者，
    所述第一信息用于指示压缩的CSI，所述第一模型的输出包括所述第一预编码矩阵。
  3. 如权利要求1或2所述的方法，其特征在于，所述第一预编码矩阵为宽带级、子带级、或资源元素级的。
  4. 一种上行预编码方法，其特征在于，包括：
    根据上行信道信息和第二模型，确定第一信息；
    其中，所述第二模型的输入是根据所述上行信道信息确定的，所述第一信息是根据所述第二模型的输出确定的；
    向终端设备发送所述第一信息；
    其中，所述第一信息用于指示压缩的第一预编码矩阵，或者，所述第一信息用于指示压缩的信道状态信息CSI。
  5. 一种上行预编码方法，其特征在于，包括：
    接收来自终端设备的第一参考信号；
    根据所接收到的第一参考信号，确定第一码本，所述第一码本用于对上行信号进行预编码；
    向所述终端设备发送所述第一码本。
  6. 如权利要求5所述的方法，其特征在于，所述根据所接收到的第一参考信号，确定第一码本，包括：
    在Z个资源上，分别测量所述第一参考信号，获得Z个上行信道信息，所述Z为大于或等于1的整数；
    根据所述Z个上行信道信息，确定所述第一码本。
  7. 如权利要求6所述的方法，其特征在于，所述根据所述Z个上行信道信息，确定所述第一码本，包括：
    根据所述Z个上行信道信息和码本生成模型，确定所述第一码本。
  8. 如权利要求6所述的方法，其特征在于，所述根据所述Z个上行信道信息，确定所述第一码本，包括：
    根据所述Z个上行信道信息，确定Z个预编码矩阵；
    根据所述Z个预编码矩阵，确定所述第一码本。
  9. 如权利要求8所述的方法，其特征在于，所述根据所述Z个预编码矩阵，确定所述第一码本，包括：
    根据所述Z个预编码矩阵和预编码矩阵生成模型，确定M个预编码矩阵，所述M小于或等于Z；
    所述第一码本包括所述M个预编码矩阵。
  10. 如权利要求8所述的方法，其特征在于，所述根据所述Z个预编码矩阵，确定所述第一码本，包括：
    根据所述Z个预编码矩阵和预编码矩阵生成模型，确定M个预编码矩阵，所述M小于或等于N；
    对所述M个预编码矩阵分别进行量化，得到M个量化的预编码矩阵，所述第一码本中包括所述M个量化的预编码矩阵。
  11. 如权利要求5至10中任一项所述的方法，其特征在于，所述方法还包括：
    向所述终端设备发送指示信息，所述指示信息用于指示X个子带对应的X个预编码矩阵，所述X个预编码矩阵属于所述第一码本，所述X个预编码矩阵中的每个预编码矩阵用于对对应子带的上行信号进行预编码，其中，X为正整数。
  12. 如权利要求11所述的方法，其特征在于，所述向所述终端设备发送指示信息，包括：
    根据子带预编码矩阵的指示规则，向所述终端设备发送指示信息。
  13. 如权利要求11或12所述的方法，其特征在于，还包括：
    向所述终端设备发送所述子带预编码矩阵的指示规则。
  14. 如权利要求12或13所述的方法，其特征在于，所述子带预编码矩阵的指示规则，包括：
    所述上行信道带宽中至少包括第一子带与第二子带；
    其中，所述第一子带对应的预编码矩阵的指示规则包括：指示所述第一子带对应的预编码矩阵的索引；
    所述第二子带对应的预编码矩阵的指示规则包括：指示所述第二子带的预编码矩阵的索引相对于所述第一子带的预编码矩阵的索引的偏移方向和偏移值。
  15. 如权利要求5至10中任一项所述的方法，其特征在于，所述第一码本是第一子带的码本，所述第一码本用于对所述第一子带的上行信号进行预编码。
  16. 一种上行预编码方法，其特征在于，包括：
    向接入网设备发送第一参考信号；
    接收来自所述接入网设备的第一码本；
    利用所述第一码本，对上行信号进行预编码。
  17. 如权利要求16所述的方法，其特征在于，所述利用所述第一码本，对上行信号进行预编码，包括：
    接收来自所述接入网设备的指示信息，所述指示信息用于指示X个子带对应的X个预编码矩阵，所述X个预编码矩阵属于所述第一码本；
    利用所述X个预编码矩阵中的每个预编码矩阵，对对应子带的上行信号进行预编码。
  18. 如权利要求16或17所述的方法，其特征在于，还包括：
    接收来自所述接入网设备的子带预编码矩阵的指示规则。
  19. 如权利要求18所述的方法，其特征在于，所述子带预编码矩阵的指示规则，包括：
    所述上行信道带宽中至少包括第一子带与第二子带；
    其中，所述第一子带对应的预编码矩阵的指示规则包括：指示所述第一子带对应的预编码矩阵的索引；
    所述第二子带对应的预编码矩阵的指示规则包括：指示所述第二子带的预编码矩阵的索引相对于所述第一子带的预编码矩阵的索引的偏移方向和偏移值。
  20. 如权利要求16所述的方法，其特征在于，所述第一码本是第一子带的码本，所述利用所述第一码本，对上行信号进行预编码，包括：
    利用所述第一码本，对所述第一子带的上行信号进行预编码。
  21. 一种通信装置，其特征在于，包括用于实现权利要求1至3中任一项所述方法的单元，或者权利要求16至20中任一项所述方法的单元。
  22. 一种通信装置，其特征在于，包括处理器和存储器，所述处理器和存储器耦合，所述处理器用于实现权利要求1至3中任一项所述的方法，或者权利要求16至20中任一项所述的方法。
  23. 一种通信装置，其特征在于，包括用于实现权利要求4所述方法的单元，或者权利要求5至15中任一项所述方法的单元。
  24. 一种通信装置，其特征在于，包括处理器和存储器，所述处理器和存储器耦合，所述处理器用于实现权利要求4所述的方法，或者权利要求5至15中任一项所述的方法。
  25. 一种通信系统，其特征在于，包括权利要求21或22所述的通信装置，和权利要求23或24所述的通信装置。
  26. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得计算机执行权利要求1至3中任一项所述的方法，或者权利要求4所述的方法，或者权利要求5至15中任一项所述的方法，或者权利要求16至20中任一项所述的方法。
  27. 一种计算机程序产品，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行权利要求1至3中任一项所述的方法，或者权利要求4所述的方法，或者权利要求5至15中任一项所述的方法，或者权利要求16至20中任一项所述的方法。
PCT/CN2022/144275 2021-12-31 2022-12-30 一种上行预编码方法及装置 WO2023125996A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111668221.2A CN116419382A (zh) 2021-12-31 2021-12-31 一种上行预编码方法及装置
CN202111668221.2 2021-12-31

Publications (1)

Publication Number Publication Date
WO2023125996A1 true WO2023125996A1 (zh) 2023-07-06

Family

ID=86998234

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/144275 WO2023125996A1 (zh) 2021-12-31 2022-12-30 一种上行预编码方法及装置

Country Status (2)

Country Link
CN (1) CN116419382A (zh)
WO (1) WO2023125996A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109873665A (zh) * 2017-12-01 2019-06-11 华为技术有限公司 数据传输的方法和设备
CN110034875A (zh) * 2018-01-11 2019-07-19 维沃移动通信有限公司 无线通信方法及装置
WO2021128289A1 (en) * 2019-12-27 2021-07-01 Qualcomm Incorporated Uplink grant downlink control information for frequency domain compressed uplink precoding
WO2021174553A1 (zh) * 2020-03-06 2021-09-10 华为技术有限公司 一种数据传输方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109873665A (zh) * 2017-12-01 2019-06-11 华为技术有限公司 数据传输的方法和设备
CN110034875A (zh) * 2018-01-11 2019-07-19 维沃移动通信有限公司 无线通信方法及装置
WO2021128289A1 (en) * 2019-12-27 2021-07-01 Qualcomm Incorporated Uplink grant downlink control information for frequency domain compressed uplink precoding
WO2021174553A1 (zh) * 2020-03-06 2021-09-10 华为技术有限公司 一种数据传输方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZTE, ZTE MICROELECTRONICS: "Codebook based UL transmission", 3GPP TSG RAN WG1 MEETING #88 R1-1701792, 12 February 2017 (2017-02-12), XP051208958 *

Also Published As

Publication number Publication date
CN116419382A (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
RU2678562C1 (ru) Система беспроводной связи и устройство и способ в системе беспроводной связи
US20240211770A1 (en) Communication method and apparatus
WO2023126007A1 (zh) 信道信息传输方法及装置
WO2023098860A1 (zh) 通信方法和通信装置
WO2023125996A1 (zh) 一种上行预编码方法及装置
WO2023231934A1 (zh) 一种通信方法及装置
WO2024008004A1 (zh) 一种通信方法及装置
WO2024027424A1 (zh) 一种数据质量度量方法及装置
WO2023016503A1 (zh) 一种通信方法及装置
WO2023231881A1 (zh) 一种模型应用方法及装置
WO2023125985A1 (zh) 模型的数据处理方法及装置
WO2024046419A1 (zh) 一种通信方法及装置
WO2023279947A1 (zh) 一种通信方法及装置
CN118118133A (zh) 一种通信方法及装置
WO2023236803A1 (zh) 信道信息的传输方法、通信装置及通信设备
WO2024131900A1 (zh) 一种通信的方法和通信装置
WO2023006096A1 (zh) 一种通信方法及装置
WO2023036280A1 (zh) 一种模型测试方法及装置
WO2024046215A1 (zh) 一种通信方法及装置
WO2024051789A1 (zh) 一种波束管理方法
WO2023202514A1 (zh) 一种通信方法及装置
WO2024046288A1 (zh) 通信方法和装置
Orhan et al. Graph Neural Networks to Enable Scalable MAC for Massive MIMO Wireless Infrastructure
CN116260552A (zh) 一种csi发送和接收方法及装置
WO2023093777A1 (zh) 一种通信方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22915243

Country of ref document: EP

Kind code of ref document: A1