WO2024109682A1 - 一种用于定位的方法及装置 - Google Patents
一种用于定位的方法及装置 Download PDFInfo
- Publication number
- WO2024109682A1 WO2024109682A1 PCT/CN2023/132581 CN2023132581W WO2024109682A1 WO 2024109682 A1 WO2024109682 A1 WO 2024109682A1 CN 2023132581 W CN2023132581 W CN 2023132581W WO 2024109682 A1 WO2024109682 A1 WO 2024109682A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- reference signal
- communication device
- measurement result
- information
- location
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 179
- 238000005259 measurement Methods 0.000 claims abstract description 356
- 238000004891 communication Methods 0.000 claims abstract description 235
- 238000013473 artificial intelligence Methods 0.000 claims description 158
- 230000004044 response Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 description 115
- 238000007726 management method Methods 0.000 description 86
- 238000013461 design Methods 0.000 description 82
- 238000012549 training Methods 0.000 description 70
- 230000008569 process Effects 0.000 description 65
- 238000013528 artificial neural network Methods 0.000 description 29
- 238000013507 mapping Methods 0.000 description 25
- 102100034223 Golgi apparatus protein 1 Human genes 0.000 description 22
- 101100449731 Homo sapiens GLG1 gene Proteins 0.000 description 22
- 101100439271 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cfr1 gene Proteins 0.000 description 22
- 101100288173 Enterococcus faecalis (strain ATCC 700802 / V583) prs1 gene Proteins 0.000 description 19
- 101100465401 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) SCL1 gene Proteins 0.000 description 19
- 238000010586 diagram Methods 0.000 description 19
- 210000002569 neuron Anatomy 0.000 description 19
- 101150016674 prs2 gene Proteins 0.000 description 19
- 102100023778 Corepressor interacting with RBPJ 1 Human genes 0.000 description 17
- 101000906759 Homo sapiens Corepressor interacting with RBPJ 1 Proteins 0.000 description 17
- 210000004027 cell Anatomy 0.000 description 16
- 230000009467 reduction Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 101100298888 Arabidopsis thaliana PAD2 gene Proteins 0.000 description 12
- 101100030928 Arabidopsis thaliana PAF1 gene Proteins 0.000 description 12
- 101100465385 Arabidopsis thaliana PAF2 gene Proteins 0.000 description 12
- 101100398338 Enterococcus faecalis (strain ATCC 700802 / V583) prs2 gene Proteins 0.000 description 12
- 101100510342 Listeria ivanovii prs gene Proteins 0.000 description 12
- 101100137870 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) PRE10 gene Proteins 0.000 description 12
- 101150077839 pac1 gene Proteins 0.000 description 12
- 101150086435 prs1 gene Proteins 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- ZLHLYESIHSHXGM-UHFFFAOYSA-N 4,6-dimethyl-1h-imidazo[1,2-a]purin-9-one Chemical compound N=1C(C)=CN(C2=O)C=1N(C)C1=C2NC=N1 ZLHLYESIHSHXGM-UHFFFAOYSA-N 0.000 description 10
- 101000636811 Homo sapiens Neudesin Proteins 0.000 description 9
- 102100031903 Neudesin Human genes 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 230000004913 activation Effects 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 5
- 210000001520 comb Anatomy 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 102100027667 Carboxy-terminal domain RNA polymerase II polypeptide A small phosphatase 2 Human genes 0.000 description 2
- 101000725947 Homo sapiens Carboxy-terminal domain RNA polymerase II polypeptide A small phosphatase 2 Proteins 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种用于定位的方法及装置,该方法包括:第一通信装置对来自第二通信装置的第一参考信号和第二参考信号分别进行测量,确定第一参考信号的第一测量结果和第二参考信号的第二测量结果;第一通信装置对第一测量结果对应的第一指标是否满足第一条件进行判断;第一通信装置基于判断的结果,向位置管理装置发送第二测量结果的全部或部分,第二测量结果的全部或部分用于基于AI的方式确定第一通信装置或第二通信装置的位置信息;在本申请中,可根据测量结果的不同,实现自适应调整上报的测量结果。
Description
相关申请的交叉引用
本申请要求在2022年11月21日提交中国专利局、申请号为202211462933.3、申请名称为“一种用于定位的方法及装置”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。
本申请实施例涉及通信技术领域,尤其涉及一种用于定位的方法及装置。
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度、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。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利用人工智能实现对终端设备的定位,是一个值得研究的问题。
发明内容
本申请实施例提供一种用于定位的方法及装置,以实现利用人工智能对终端设备进行定位。
第一方面,提供一种用于定位的方法,该方法包括:第一通信装置对来自第二通信装置的第一参考信号和第二参考信号分别进行测量,确定所述第一参考信号的第一测量结果和所述第二参考信号的第二测量结果;所述第一通信装置对所述第一测量结果对应的第一指标是否满足第一条件进行判断;所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于人工智能AI的方式确定所述第一通信装置或所述第二通信装置的位置信息。
可选的,在以下行定位中,第一通信装置为终端,或应用于终端中的芯片或电路等,第二通信装置为接入网设备,或者应用于接入网设备中的芯片或电路。或者,在上行定位中,第一通信装置为接入网设备,或者应用于接入网设备中的芯片或电路等,第二通信装置为终端,或者应用于终端中的芯片或电路。可选的,位置管理装置可以为LMF,或者应用于LMF中的芯片或电路。
通过上述设计,第一通信装置根据测量结果的不同,自适应调整向位置管理装置上报的测量结果。且在第一测量结果满足第一条件时,第一通信装置向位置管理装置上报部分测量结果,节省传输开销。
在一种设计中,还包括:所述第一通信装置接收来自位置管理装置或所述第二通信装置的第一信息,所述第一信息用于指示所述第一条件中的第一阈值。
通过上述设计,位置管理装置或者第二通信装置等可为第一通信装置配置第一阈值,第一通信装置根据配置的第一阈值,确定向位置管理装置上报测量结果的全部或部分等。位置管理装置或第二通信装置等可根据对终端的定位精度不同,为第一通信装置配置对应的第一阈值,可在满足定位精度的前提下,尽可能减少传输参考信号的开销。
在一种设计中,所述第一阈值包括以下中的一项或多项:信号干扰噪声比SINR阈值、首径功率阈值、或参考信号接收功率RSRP阈值。所述第一测量结果或所述第二测量结果包括:信道频域响应CFR、信道脉冲响应CIR、或RSRP。
在一种设计中,所述第二测量结果的全部或部分用于基于AI的方式确定所述第一通信装置或所述第二通信装置的位置信息,包括:所述第二测量结果的全部或部分用于作为或确定AI模型的输入,所述AI模型的输出用于作为或确定所述第一通信装置或所述第二通信装置的位置信息。
在一种设计中,所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,包括:所述第一测量结果对应的第一指标满足所述第一条件;
所述第一通信装置向所述位置管理装置发送所述第二测量结果的部分。
通过上述设计,在第一测量结果对应的第一指标满足第一条件时,表示测量结果表示终端的位置能
力较强,第一通信装置向位置管理装置上报第二测量结果的部分,相对于,无论在何种场景下,第一通信装置向位置管理装置上报第二测量结果的全部,可减少上报测量结果的开销。
在一种设计中,所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,包括:所述第一测量结果对应的第一指标满足所述第一条件;所述第一通信装置向所述第二通信装置发送第一配置信息,或者所述第一通信装置接收来自所述第二通信装置的第一配置信息,所述第一配置信息用于配置缩减配置的第二参考信号;所述第一通信装置向所述位置管理装置发送所述第二测量结果的全部或部分。可选的,所述缩减配置的第二参考信号满足以下一项或多项:相对于所述第一参考信号的发送功率减少、相对于所述第一参考信号的天线端口数量减少、或者相对于所述第一参考信号的时频资源减少。
通过上述设计,在第一测量结果对应的第一指标满足第一条件时,表示信道测量结果表示终端的位置能力较强,可配置相对于第一参考信号,配置缩减的第二参考信号;第一通信装置向位置管理装置上报第二参考信号的第二测量结果的全部或部分,相对于第一通信装置向位置管理装置上报第一参考信号的第一测量结果的全部,可减少上报开销。
在一种设计中,所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,包括:所述第一测量结果对应的第一指标不满足所述第一条件;
所述第一通信装置向所述位置管理装置发送所述第二测量结果的全部。
通过上述设计,在第一测量结果对应的第一指标不满足第一条件时,表示信道测量结果表示终端的位置能力较弱,此时第一通信装置可向位置管理装置上报第二测量结果的全部,实现根据测量结果的不同,自适应调整上报的测量结果。
在一种设计中,还包括:所述第一测量结果对应的第一指标不满足所述第一条件;所述第一通信装置向所述第二通信装置或者所述位置管理装置发送请求信息,所述请求信息用于请求所述第二参考信号的增强配置;所述第一通信装置接收来自所述第二通信装置或所述位置管理装置的第二配置信息,所述第二配置信息用于配置增强配置的所述第二参考信号。可选的,所述第二参考信号为增强配置的第二参考信号。所述增强配置的第二参考信号,满足以下中的一项或多项:相对于所述第一参考信号的发送功率增加、相对于所述第一参考信号的天线端口数量增加、或者相对于所述第一参考信号的时频资源增加。
通过上述设计,在第一测量结果对应的第一指标不满足第一条件时,表示信道测量结果表示终端的位置能力较弱,可配置相对于第一参考信号增强配置的第二参考信号。第一通信装置向位置管理装置上报增强配置的第二参考信号的第二测量结果的全部或部分,位置管理装置利用增强配置的第二参考信号的第二测量结果的全部或部分,对终端高精度定位。
在一种设计中,还包括:所述第一通信装置向所述第二通信装置发送第二配置信息,所述第二配置信息用于配置增强配置的所述第二参考信号。
在一种设计中,所述第一参考信号为首周期或首个参考信号,所述方法还包括:所述第一通信装置向所述位置管理装置发送所述第一参考信号的第一测量结果的全部。
第二方面,提供一种用于定位的方法,包括:第二通信装置向第一通信装置发送第一配置信息,所述第一配置信息用于配置第一参考信号;所述第二通信装置向所述第一通信装置发送第二配置信息,所述第二配置信息用于配置缩减配置的第二参考信号或增强配置的第二参考信号。可选的,第二通信装置为接入网设备,或者应用于接入网设备中的芯片或电路等,第一通信装置为终端,或者应用于终端中的芯片或电路等。
通过上述设计,接入网设备可首先向终端配置第一参考信号,接入网设备再向终端配置相对于第一参考信号缩减配置或增强配置的第二参考信号,实现相对于无线信道环境的不同,向终端配置对应的参考信号,在保证定位精度的同时,尽可能的减少传输参考信号的开销。
可选的,所述缩减配置的第二参考信号满足以下一项或多项:相对于所述第一参考信号的发送功率减少、相对于所述第一参考信号的天线端口数量减少、或者相对于所述第一参考信号的时频资源减少。或者,可选的,所述增强配置的第二参考信号,满足以下一项或多项:相对于所述第一参考信号的发送功率增加、相对于所述第一参考信号的天线端口数量增加、或者相对于所述第一参考信号的时频资源增加。
在一种设计中,还包括:所述第二通信装置接收来自位置管理装置的第一信息,所述第一信息用于指示第一条件中的第一阈值,所述第一条件用于对所述第一参考信号的第一测量结果进行判断。可选的,
所述第一阈值包括以下一项或多项:信号干扰噪声比SINR、首径功率阈值、或参考信号接收功率RSRP。
第三方面,提供一种用于定位的方法,包括:位置管理装置向第一通信装置发送第一信息,所述第一信息用于指示第一条件中的第一阈值,所述第一条件用于对第一参考信号的第一测量结果进行判断,所述判断的结果用于上报第二参考信号的第二测量结果的全部或部分的确定;所述位置管理装置接收来自所述第一通信装置的所述第二参考信号的所述第二测量结果的全部或部分;所述位置管理装置根据人工智能AI模型和所述第二测量结果的全部或部分,确定所述第一通信装置或第二通信装置的位置信息。
可选的,位置管理装置可以为LMF,或者应用于LMF中的芯片或电路等。在下行定位中,第一通信装置为终端,或者应用于终端中的芯片或电路等;或者,在上行定位中,第一通信装置为接入网设备,或者应用于接入网设备中的芯片或电路等。
通过上述设计,位置管理装置为第一通信装置配置第一阈值,第一通信装置根据第一阈值,判断上报的第二测量结果的全部或部分,第一通信装置自适应调整上报的测量结果。位置管理装置利用AI方式,确定终端的位置,相对于采用传统的三角定位方式,确定终端的位置,可提高对终端的定位精度。
在一种设计中,所述第一参考信号为首周期或首个参考信号,还包括:所述位置管理装置接收来自所述第一通信装置的所述第一参考信号的第一测量结果的全部;所述位置管理装置根据所述第一测量结果的全部和所述AI模型,确定所述第一通信装置或所述第二通信装置的第一位置信息。
通过上述设计,在首周期或首个参考信号中,第一通信装置向位置管理装置上报其测量结果的全部。装置管理装置根据首周期或首个参考号的测量结果的全部,推理终端的位置信息,该位置信息可称为终端的第一位置信息。第一通信装置上报测量结果的全部,位置管理装置根据测量结果的全部,推理终端的位置信息,提高推理终端位置信息的精度。
在一种设计中,所述位置管理装置根据AI模型和所述第二测量结果的全部或部分,确定所述第一通信装置或所述第二通信装置的位置信息,包括:所述位置管理装置根据所述第一测量结果的全部、所述第一位置信息和所述第二测量结果的全部或部分,确定所述AI模型的输入;例如,AI模型的输入维度中包括测量结果对应的端口和位置信息对应的端口。可对第一测量结果的全部和第二测量结果的全部或部分等做综合处理,将处理后的结果输入到AI模型的测量结果对应端口;将第一位置信息输入到AI模型的位置对应端口等。所述位置管理装置根据所述AI模型的输入和所述AI模型,确定所述第一通信装置或所述第二通信装置的第二位置信息。
通过上述设计,在非首周期或非首个参考信号中,第二通信装置向位置管理装置上报其测量的测量结果的全部或部分等。位置管理装置结合以下多项:根据第一参考信号的第一测量结果确定的终端的第一位置信息、第一测量结果的全部、第二测量结果的全部或部分等,推理终端的位置信息,该位置信息可称为终端的第二位置信息。位置管理装置可结合前一次上报的第一测量结果、推理的终端的第一位置信息等,在第二个周期中,推理终端的位置信息,可提高推理的终端位置信息的精度。
在一种设计中,还包括:所述位置管理装置接收来自所述第一通信装置的请求消息,所述请求消息用于请求所述第二参考信号的增强配置;所述位置管理装置向所述第一通信装置发送第二配置信息,所述第二配置信息用于配置增强配置的第二参考信号;或者,所述位置管理装置向所述第二通信装置发送指示信息,所述指示信息用于指示所述第二通信装置为所述第一通信装置配置增强配置的所述第二参考信号。可选的,所述第二参考信号为增强配置的第二参考信号。所述增强配置的第二参考信号,满足以下一项或多项:相对于所述第一参考信号的发送功率增加、相对于所述第一参考信号的天线端口数量增加、或者相对于所述第一参考信号的时频资源增加。
在一种设计中,还包括:所述位置管理装置接收来自位置请求装置的定位请求;所述位置管理装置根据所述定位请求,确定所述第一信息;所述位置管理装置向所述位置请求装置发送所述第一通信装置或所述第二通信装置的位置信息。
通过上述设计,位置管理装置可根据定位请求装置所请求的定位精度不同,为第一通信装置配置对应的第一阈值,其中上述第一阈值是通过第一信息配置给第一通信装置的,实现第一阈值与定位精度相匹配。
在一种设计中,所述位置管理装置根据所述定位请求,确定所述第一信息,包括:所述位置管理装置根据所述定位请求,确定定位模式;所述位置管理装置根据所述定位模式,确定所述第一信息。
通过上述设计,不同的定位模式,可能存在不同的定位精度;位置管理装置根据定位请求,确定对应的定位模式;根据定位模式,确定配置第一阈值的第一信息等,实现定位阈值与第一阈值的相匹配。
第四方面,提供一种用于定位的方法,包括:位置请求装置向位置管理装置发送定位请求;所述位置请求装置接收来自所述位置管理装置的第一通信装置或第二通信装置的位置信息。
第五方面,提供一种装置,该装置包括执行上述第一方面至第四方面中任一方面所描述的方法对应的单元或模块,该单元或模块可以通过硬件电路实现,或者通过软件实现,或者通过硬件电路结合软件实现。
第六方面,提供一种装置,包括处理器和接口电路,所述处理器用于通过接口电路与其它装置通信,并执行上述第一方面至第四方面中任一方面所描述的方法。该处理器包括一个或多个。
第七方面,提供一种装置,包括与存储器耦合的处理器,该处理器用于执行所述存储器中存储的程序,以执行上述第一方面至第四方面中任一方面描述的方法。该存储器可以位于该装置之内,也可以位于该装置之外。且该处理器可以是一个或多个。
第八方面,提供一种装置,包括处理器和存储器;该存储器用于存储计算机指令,当该装置运行时,该处理器执行该存储器存储的计算机指令,以使该装置执行上述第一方面至第四方面中任一方面描述的方法。
第九方面,提供一种芯片系统,包括:处理器或电路,用于执行上述第一方面至第四方面中任一方面描述的方法。
第十方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在通信装置上运行时,使得上述第一方面至第四方面中任一方面描述的方法被执行。
第十一方面,提供一种计算机程序产品,该计算机程序产品包括计算机程序或指令,当计算机程序或指令被装置运行时,使得上述第一方面至第四方面中任一方面描述的方法被执行。
第十二方面,提供一种系统,包括执行上述第一方面的方法的第一通信装置和执行上述第二方面的方法的第二通信装置。可选的,还包括执行上述第三方面的方法的位置管理装置。进一步,还包括执行第四方面的方法的位置请求装置。
图1a为本申请实施例提供的通信系统的一架构示意图;
图1b为本申请实施例提供的通信系统的另一架构示意图;
图2为本申请实施例提供的O-RAN架构的一示意图;
图3为本申请实施例提供的O-RAN架构的另一示意图;
图4为本申请实施例提供的AI模型应用的一架构示意图;
图5为本申请实施例提供的神经元的示意图;
图6为本申请实施例提供的神经元的层结构示意图;
图7为本申请实施例提供的三角定位的示意图;
图8为本申请实施例提供的UL-TDOA的示意图;
图9为本申请实施例提供的在上行定位中利用AI模型的一示意图;
图10为本申请实施例提供的在上行定位中利用AI模型的另一示意图;
图11为本申请实施例提供的下行定位的一流程图;
图12为本申请实施例提供的下行定位的另一流程图;
图13为本申请实施例提供的下行定位的又一流程图;
图14为本申请实施例提供的上行定位的一流程图;
图15为本申请实施例提供的上行定位的另一流程图;
图16为本申请实施例提供的上行定位的又一流程图;
图17为本申请实施例提供的装置的一示意图;
图18为本申请实施例提供的装置的另一示意图。
图1a是本申请能够应用的通信系统1000的架构示意图。如图1a所示,通信系统1000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1a中的110a和110b),还可以包括至
少一个终端设备(如图1a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的方式与核心网相连。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1a只是示意图,通信系统1000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1a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1a中的110a),也可以是微基站或室内站(如图1a中的110b),还可以是中继节点或施主节点等。本申请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。
在本申请中,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。在本申请中,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,描述本申请提供的技术方案。
(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)。
接入网设备可以包括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。本申请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一项或多项: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
包括以下一项或多项: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)。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申请的保护范围内。
一种可能的实现中,接入网设备包括CU-CP、CU-UP、DU和RU。例如,本申请的执行主体包括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申请的保护范围内。
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一个或多个场景: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。本申请对终端设备所采用的具体技术和具体设备形态不做限定。
在本申请中,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,描述本申请提供的技术方案。
基站和UE可以是固定位置的,也可以是可移动的。基站和/或UE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。本申请对基站和UE的应用场景不做限定。基站和UE可以部署在相同的场景或不同的场景,例如,基站和UE同时部署在陆地上;或者,基站部署在陆地上,UE部署在水面上等,不再一一举例。
基站和UE的角色可以是相对的,例如,图1a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UE 120j来说,UE 120i是基站;但对于基站110a来说,120i是UE,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,此时,相对于110a来说,120i也是基站。因此,基站和UE都可以统一称为通信装置,图1a中的110a和110b可以称为具有基站功能的通信装置,图1a中的120a-120j可以称为具有UE功能的通信装置。
基站和UE之间、基站和基站之间、UE和UE之间可以通过授权频谱进行通信,也可以通过免授权频谱进行通信,也可以同时通过授权频谱和免授权频谱进行通信;可以通过6千兆赫(gigahertz,GHz)以下的频谱进行通信,也可以通过6GHz以上的频谱进行通信,还可以同时使用6GHz以下的频谱和6GHz以上的频谱进行通信。本申请对无线通信所使用的频谱资源不做限定。
在本申请中,基站向UE发送下行信号或下行信息,下行信号或下行信息承载在下行信道上;UE向基站发送上行信号或上行信息,上行信号或上行信息承载在上行信道上。UE为了与基站进行通信,
可以与基站控制的小区建立无线连接。与UE建立了无线连接的小区称为该UE的服务小区。当UE与该服务小区进行通信的时候,可能会受到来自邻区信号的干扰。
在本申请中,对核心网200包括的设备不作限制。例如,核心网200中包括位置管理设备,该位置管理设备用于收集定位相关的测量结果,根据收集的测量结果,确定UE的位置信息等。位置管理设备还可称为定位服务器、位置管理功能(location management function,LMF)等,不作限制。
在本申请中,用于实现位置管理设备的功能的装置可以是位置管理设备;也可以是能够支持位置管理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位置管理设备中,或者可以与位置管理设备匹配使用。为了便于描述,下文以用于实现位置管理设备的功能的装置是位置管理设备,位置管理设备是LMF为例,描述本申请的技术方案。
以5G中的新空口(new radio,NR)系统为例,对UE、基站和核心网等进行说明。如图1b所示,基站包括gNB和下一代-演进型基站(next generation-evolved NodeB,ng-eNB)。
其中,gNB为5G中的基站,ng-eNB为接入5G核心网中的4G基站。核心网中包括:接入和移动管理功能(access and mobility management function,AMF)和LMF等网元。其中,UE和gNB之间通过NR-Uu接口进行通信,UE和ng-eNB之间通过LTE-Uu接口进行通信,NR-Uu接口和LTE-Uu接口均可用于传输定位相关的信令。其中,LTE-Uu和NR-Uu采用非接入层(non-access stratum,NAS),或RRC协议进行传输。gNB和AMF之间、ng-eNB和AMF之间均通过NG-C接口进行通信,可用于传输定位相关的信令。NG-C采用NG应用协议(NG application protocol,NGAP)。AMF和LMF之间通过NL1接口进行通信,可用于传输定位相关的信令。其中,UE、基站、或核心网中的一项或多项所实现的全部或部分功能均可以进行虚拟化,也即,通过专有处理器,或,通用处理器,和相应的软件模块来实现。其中,UE和基站因涉及空口传输的接口,该接口的收发功能可由硬件来实现。核心网,如前述的AMF,或LMF,均可虚拟化。可选的,虚拟化后的UE、基站或核心网中的一项或多项功能可以由云端设备来实现,比如过顶(over the top,OTT)系统中的云端设备来实现。
其中,UE与LMF之间可基于LTE定位协议(LTE positioning protocol,LPP)通信。LPP协议规定了UE和LMF之间交互信息的流程。在实际部署中,UE和LMF并不直接连接,而是通过UE-基站-AMF-LMF的方式相连。LPP消息可跨基站和AMF透明传输,实现UE和LMF之间的交互。或者,UE和LMF之间可通过基站和AMF的转发,交互信息等,不作限制。
其中,基站和LMF之间的交互可以基于NR定位协议A(NR positioning protocol A,NRPPa)。NRPPa协议规定了基站和LMF之间交互信息的流程。在实际部署中,基站与LMF之间通过AMF相连。NRPPa协议对于AMF是透明的,NRPPa数据单元跨AMF透明传输,实现LMF和基站之间的交互。
可以理解的是,在本申请中,为了在无线网络中支持机器学习功能,可以在前述图1a或图1b所示的通信系统中引入独立的网元(如称为AI网元、或AI节点等)来实现AI相关的操作,该AI网元或AI节点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等,不作限制。其中,第三方网元可以是AMF、或用户面功能(user plane function,UPF)等核心网网元;例如,该AI网元或AI节点可通过以下一项或多项设备收集定位相关的信息:UE、基站、LMF或AMF等,该信息可作为训练数据,训练实现定位功能的AI模块等。或者,可以在前述图1a或图1b所示的通信系统中的网元内配置AI功能、AI模块或AI实体来实现AI相关的操作,该网元可以是LMF等,这种情况下,执行AI相关操作的网元可称为内置AI功能的网元。该AI网元可以位于OTT系统的主机或云端服务器中。
在本申请中,接入网设备可采用O-RAN架构。以下对O-RAN架构进行示意性的说明,并不作为对本申请的限制。
在第一种设计中,参照图2,接入网设备中包括近实时接入网智能控制(RAN intelligent controller,RIC)、CU、DU和RU等。其中,近实时RIC用于进行模型训练和推理。例如,近实时RIC可训练AI模型,且利用AI模型进行推理等。例如,近实时RIC可以从CU、DU、RU或终端设备等中的一项或多项获得网络侧或终端设备侧的信息,该信息可以作为训练数据或者推理数据。例如,上述信息可以作为训练数据,近实时RIC可利用收集的训练数据,训练AI模型。或者,上述信息可以作为推理数据,近实时RIC可根据上述收集的推理数据和AI模型进行模型推理,确定推理结果。可选的,近实时RIC可将推理结果发送给CU、DU、RU或终端设备等中的一项或多项。可选的,CU与DU之间可交互推理结果。例如,近实时RIC将推理结果发送给CU,CU将推理结果转发给DU。可选的,DU与RU之
间可交互推理结果。例如,近实时RIC将推理结果发送给DU,或者,近实时RIC将推理结果发送给CU,CU将推理结果转发给DU等,DU将推理结果转发给RU等。
在第一种设计中,接入网设备中包括近实时RIC。对接入网设备之外是否包括非实时RIC不作限制。例如,接入网设备之外可包括非实时RIC,或者接入网设备之外也可不包括非实时RIC。
在第二种设计中,参照图2,接入网设备之外包括非实时RIC。例如,非实时RIC可以位于OAM,或者核心网设备等,不作限制。非实时RIC可训练AI模型,且利用AI模型进行推理。可选的,非实时RIC可以从CU、DU、RU或终端设备等中的一项或多项收集网络侧或终端设备侧的信息,该信息可作为训练数据或推理数据。例如,该信息作为训练数据,非实时RIC使用训练数据,可以训练AI模型。或者,该信息作为推理数据,非实时RIC使用推理数据和AI模型,确定推理结果。可选的,非实时RIC可将推理结果发送给CU、DU、RU或终端设备等中的一项或多项。可选的,CU和DU之间可以交互推理结果。DU和RU之间可交互推理结果。
在第二种设计中,接入网设备之外包括非实时RIC。对接入网设备中是否包括近实时RIC不作限制。例如,接入网设备中可包括近实时RIC,或者接入网设备中可不包括近实时RIC。
在第三种设计中,参照图2,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。同上述第一种设计,近实时RIC可进行模型训练和推理。和/或,同上述第二种设计,非实时RIC可进行模型训练和推理。和/或,非实时RIC可以进行模型训练,近实时RIC可以进行模型推理。例如,非实时RIC可以将训练完成的AI模型发送给近实时RIC,近实时RIC利用该AI模型,进行模型推理。可选的,非实时RIC和/或近实时RIC可以从CU、DU、RU或终端设备中的一项或多项收集网络侧或终端设备侧的信息,该信息可作为训练数据或推理数据。例如,该信息作为训练数据,非实时RIC使用训练数据,训练AI模型。该信息作为推理数据,近实时RIC利用AI模型和推理数据,确定推理结果。可选的,近实时RIC可将推理结果发送给CU、DU、RU或终端设备等中的一项或多项。可选的,CU与DU之间可交互推理结果。DU与RU之间可交互推理结果。
图3为本申请提供的另一种O-RAN架构。相对图2,图3中将CU分离成为了CU-CP和CU-UP等。
在本申请中,利用AI技术实现对终端设备的定位。以下对AI技术进行说明,该说明并不作为对本申请的限制。
AI模型是AI功能的具体实现,AI模型表征了模型的输入和输出之间的映射关系。AI模型可以是神经网络、线性回归模型、决策树模型、支持向量机(support vector machine,SVM)、贝叶斯网络、Q学习模型或者其他机器学习模型等。本申请中,AI功能可以包括以下一项或多项:数据收集(收集训练数据和/或推理数据)、数据预处理、模型训练(或称为,模型学习)、模型信息发布(配置模型信息)、模型校验、模型推理、或推理结果发布等。本申请中,可以将AI模型简称为模型。
如图4所示,为AI模型的一种应用架构示意图。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,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。可选的,执行实体或者执行对象可以将其收集到的参数或测量量的测量结果反馈给数据源,该过程可以称为表现反馈,所反馈的参数可以作为训练数据或推理数据。可选的,还可以根据模型推理节点所输出的推理结果,确定模型性能相关的反馈信息,且将该反馈信息反馈给模型推理节点,模型推理节点可根据该反馈信息,向模型训练节点反馈该模型的性能信息,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,该过程可称为模型反馈。
AI模型可以是神经网络或其它机器学习模型。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。因此神经网络可以对复杂的高维度问题进行准确的抽像建模。
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=[x0,x1,…,xn],与各输入对应的权值分别为w=[w,w1,…,wn],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),该神经元的输出为:
再例如一个神经元的激活函数为:y=f(z)=z,该神经元的输出为:xi、wi、和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,本申请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门限值或者满足目标需求的过程。
随着移动通信的发展,基于无线蜂窝网络的定位技术被广泛应用。这些定位技术通过对移动终端设备和固定基站之间的特征参数进行检测,获得移动终端设备和固定基站之间的相对位置或角度等信息,对移动终端的位置进行估计。常用的一些特征参数包括信号场强、传播时间或时间差、信号入射角等参数。
如图7所示,一种典型的基于到达时间差(time difference of arrival,TDoA)的定位方法,三个同步的基站分别标记为eNB1、eNB2和eNB3,它们和UE的距离分别为d1、d2和d3,对应的电磁波信号的传播时间分别为t1、t2和t3。以下行定位为例:
三个eNB分别向UE发送下行参考信号,例如定位参考信号(positioning reference signal,PRS),分别记为P1、P2和P3。UE可以测量P1和P2的到达时间差,即t2-t1。利用t2-t1推理出d2-d1,获得一条曲线使得该曲线上的每个点都满足至eNB2和eNB1的距离差均为d2-d1;类似地,UE可以测量P3和P1的到达时间差,即t3-t1。利用t3-t1推理出d3-d1,并获得另一条曲线满足该曲线上的每个点都满足到eNB3和eNB1的距离差均为d3-d1。利用上述两个曲线的交点,即可以确定UE的位置。用数学模型可以表示如下:
其中,(x′i,y′i)表示第i个eNB的位置坐标,(x′,y′)表示待求UE的位置坐标,c表示光速。
可选的,在图7中,eNB1为UE的服务小区对应的基站,eNB2为UE的邻区#1对应的基站,eNB3为UE的邻区#2对应的基站。也就是说,在本申请中,参与定位的三个eNB可分别为UE的服务小区对应的基站和UE的2个邻区对应的基站。可选的,上述eNB1、eNB2或eNB3中的一个或多个,也可替换为同一个小区的多个TRP等,不作限制。可选的,由于不同eNB之间存在一定的同步误差,对应的测量也存在一定的不确定性,对应图7中的虚线表示的区间,该过程可称为测量不确定性。
可以理解的是,上述描述的是:根据eNB向UE发送下行参考信号进行定位的方法,也称为下行(downlink,DL)-TDoA。类似的,还可以根据UE向eNB发送上行参考信号进行定位,上行参考信号可以为探测参考信号(sounding reference signal,SRS),称为上行(uplink,UL)-TDoA。此外,除
了测量时间差以外,还可以通过测量相对基站的到达角度(angle of arrival,AoA)或者出发角度(angle of departure,AoD)来进行定位。
在一种设计中,UE或基站向LMF发送反映信道响应的测量量的测量结果,LMF根据三角定位的原理,确定UE的位置。以UL-TDOA为例,如图8所示,基站上报给LMF的测量量的测量结果可以包括:相对到达时间(relative time of arrival,RTOA),该RTOA可以为基站接收到上行参考信号的时间。可选的,测量量的测量结果还可以包括:参考信号接收功率(reference signal received power,RSRP)。LMF在接收到测量量的测量结果后,根据三角定位的原理,确定UE的位置信息。
在实际的场景中,由于噪声和干扰的影响,时间或者角度的测量值存在一定的测量误差,定位结果也存在一定误差,定位精度低。因此,提出了利用机器学习进行定位的方案:
LMF侧可以部署AI模型。UE或基站测量参考信号,获得信道响应或信道响应的特征,且信道响应或信道响应的特征发送给LMF。LMF将上述信道响应或信道响应的特征作为AI模型的输入,该AI模型的输出为UE的位置信息。
以上行定位为例,UE向三个基站分别发送SRS。如图9所示,3个基站分别测量SRS,获得3个信道响应,该3个信道响应分别称为信道响应1、信道响应2和信道响应3,且将该3个信道响应反馈给LMF。LMF将上述3个基站反馈的3个信道响应,作为AI模型的输入,AI模型的输出为UE的位置信息。或者,如图10所示,基站侧部署有AI模型,基站将获取的信道响应作为AI模型的输入,该AI模型的输出为信道响应对应的信道特征。举例来说,基站天线数为16,子载波个数为4096,则每个基站的信道响应为16*4096个复数信息。基站可以在维度为[16,4096]的信道响应中提取维度为[128]的特征。基站向LMF反馈信道响应对应的特征。LMF将信道响应对应的特征作为AI模型的输入,AI模型的输出为UE的位置信息。
下行定位与上位定位类似,不同的是,基站向UE发送下行参考信号,UE获取信道响应,将信道响应或信道响应对应的特征发送给LMF。
在图9或图10的方案中,UE或基站需要向LMF反馈信道响应的全部或信道响应经过变换后特征的全部,反馈开销大。在本申请的方案中,UE或基站对参考信号进行测量,获得测量结果;判断测量结果是否满足第一条件;基于所述判断结果,向LMF发送测量结果的全部或部分。其中,测量结果是通过对参考信号进行测量,获得的信道响应或信道响应的特征。采用本申请的方案,根据测量结果的不同,可反馈信道响应或对应特征的全部或部分。根据测量结果的不同,自适应调整反馈的信道响应。且在测量结果满足第一条件时,向LMF反馈测量结果的部分,节省反馈开销。
在本申请中,提供三种定位方案,该三种定位方案,仅为示意性的说明,并不作为对本申请的限制。根据测量结果,向LMF发送测量结果的全部或部分的方案,均在本申请的保护范围内。
第一种方案:第一通信装置对来自第二通信装置的第一参考信号和第二参考信号分别进行测量,确定所述第一参考信号的第一测量结果和第二参考信号的第二测量结果;第一通信装置对所述第一测量结果是否满足第一条件进行判断;第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,第二测量结果的全部或部分用于基于AI的方式确定第一通信装置或第二通信装置的位置信息。
第二种方案:第一通信装置对来自第二通信装置的第一参考信号进行测量,确定所述第一参考信号对应的第一测量结果;第一通信装置对所述第一测量结果是否满足第二条件进行判断;第一通信装置基于所述判断的结果,向位置管理装置发送所述第一测量结果的全部或部分,第一测量结果的全部或部分用于基于AI的方式确定第一通信装置或第二通信装置的位置信息。
第三种方案:第一通信装置对来自第二通信装置的第一参考信号和第二参考信号分别进行测量,确定所述第一参考信号的第一测量结果和第二参考信号的第二测量结果;第一通信装置对所述第一测量结果是否满足第一条件进行判断,且对所述第二测量结果是否满足第二条件进行判断;第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于AI的方式确定第一通信装置或第二通信装置的位置信息。可选的,第一条件与第二条件可以相同,或者不同,不作限制。
在上文的三种方案中,在下行定位中,第一通信装置为终端设备或者应用于终端设备中的芯片或电路,第二通信装置为接入网设备或者应用于接入网设备中的芯片或电路。在上行定位中,第一通信装置为接入网设备或应用于接入网设备中的芯片或电路,第二通信装置为终端设备或应用于终端设备中的芯
片或电路等。位置管理装置为位置管理设备或者应用于位置管理设备中的芯片或电路等。上述三种方案的不同点在于:在第一种方案中,第一通信装置根据第一参考信号的第一测量结果的判断结果,向位置管理装置发送第二参考信号的第二测量结果的全部或部分。在第二种方案中,第一通信装置根据第一参考信号的第一测量结果的判断结果,向位置管理装置发送第一测量结果的全部或部分。在第三种方案中,第一通信装置获取第一参考信号的第一测量结果和第二参考信号的第二测量结果;根据第一测量结果和第二测量结果的判断结果,向位置管理装置发送第二测量结果的全部或部分。在上述第三种方案中,对第一测量结果判断的第一条件,与第二测量结果判断的第二条件,可以相同,或者不同,不作限制。在第一测量结果对应的判断结果,与第二测量结果对应的判断结果不一致时,可根据两个判断结果中,权重高的判断结果,向位置管理装置发送第二测量结果的全部或部分。下文将以第一种方案为例,对本申请的用于定位的方法进行说明。
如图11所示,以下行定位中应用第一种方案,第一通信装置为UE,第二通信装置为基站,位置管理装置为LMF为例,提供下行定位流程,包括:
步骤1101:UE对来自基站的第一参考信号和第二参考信号分别进行测量,确定第一参考信号的第一测量结果和第二参考信号的第二测量结果。
其中,在下行定位中,第一参考信号和第二参考信号为下行参考信号,例如PRS等。在一种实现方式中,基站周期性的向UE发送参考信号。例如,在第一个周期内,UE对来自基站的第一参考信号进行测量,确定第一测量结果。在第二个周期内,UE对来自基站的第二参考信号进行测量,确定第二测量结果。
可选的,所述第一测量结果或第二测量结果可以为信道频域响应(channel frequency response,CFR),或者,所述第一测量结果或第二测量结果可以为信道脉冲响应(channel impulse response,CIR),或者,所述第一测量结果或第二测量结果为RSRP等,不作限制。
步骤1102:UE对第一测量结果对应的第一指标是否满足第一条件进行判断。
例如,UE根据第一测量结果,确定第一指标。第一指标包括但不限于以下一项或多项:信号干扰噪声比(signal to interference plus noise ratio,SINR)、首径功率、或参考信号接收功率(reference signal received power,RSRP)等。第一条件中包括第一阈值,第一阈值包括以下一项或多项:SINR阈值、首径功率阈值、或RSRP阈值等。上述第一条件具体为:第一指标大于或等于(或者大于)第一阈值。当第一指标大于或等于(或者大于)第一阈值时,判断结果为第一指标满足第一条件。或者,当第一指标小于(或者小于或等于)第一阈值时,判断结果为第一指标不满足第一条件。
可选的,第一条件中的第一阈值可以是协议规定的、预设的、基站或LMF等配置给UE的等,不作限制。以LMF为UE配置第一阈值为例。UE与LMF间采用LPP协议,UE与LMF之间跨基站和AMF透明传输,UE接收来自LMF的第一信息,该第一信息用于指示第一条件中的第一阈值。例如,在一种实现方式中,在步骤1101之前,还包括:UE接收来自LMF的第一信息,第一信息用于指示第一条件中的第一阈值。或者,UE与LMF的交互需要经过AMF和基站转发,那么,LMF可将用于指示第一条件中第一阈值的第一信息发送给AMF,经过AMF和基站转发,将第一信息发送给UE,UE可以接来自基站的第一信息。或者,以基站为UE配置第一阈值为例,则基站可向UE发送第一信息。对应的,UE接收来自基站的第一信息,该第一信息用于指示第一条件中的第一阈值。
可以理解,除了第一阈值外,可能还需要向UE配置第一阈值对应的指标,用于指示UE根据第一测量结果,具体确定哪个指标用于进行判断。该指标可以为协议规定的、预设的、基站或LMF等为UE配置的等,不作限制。以LMF为UE配置该指标为例,该指示的指示信息可以携带在前述第一信息中,与前述第一阈值,共同指示给UE。例如,UE接收来自LMF的第一信息,该第一信息用于指示第一条件中的第一阈值和对应的指标。或者,该指标的指示信息可以携带有其它消息中,单独指示给UE。例如,UE接收来自LMF的第二信息,该第二信息用于指示对应的指标。或者,该第一阈值和对应的指标,其中一个为预设的,另一个为LMF或基站等为其配置的。例如,对应的指标是预设的,第一阈值是LMF或基站等配置给UE的。以对应的指标为SINR,第一阈值为30dB为例。则UE根据第一测量结果,确定SNIR,该确定的SINR可认为是UE测量的SINR。如果UE测量的SINR大于或等于30dB,则认为UE满足第一条件;否则认为UE不满足第一条件。
在一种实现方式中:UE根据第一测量结果,确定的第一指标中包括一个或多个指标。当第一指标中包括一个指标时:UE根据第一测量结果,确定一个指标,该指标称为第一指标。例如,第一指标包
括SINR为例,则第一条件为:第一测量结果对应的SINR大于或等于SINR阈值。第一指标包括首径功率为例,第一条件为:第一测量结果对应的首径功率大于或等于首径功率阈值。第一指标为RSRP为例,第一条件为:第一测量结果对应的RSRP大于或等于RSRP阈值。或者,当第一指标中包括多个指标时:UE根据第一测量结果,确定多个指标,该多个指标统称为第一指标。例如,第一指标包括以下多项:SINR、首径功率、或RSRP。第一条件可为:UE测量的SINR大于或等于SINR阈值;UE测量的首径功率大于或等于首径功率阈值;UE测量的RSRP大于或等于RSRP阈值。可以理解,当根据第一指标包括的多项指标,确定的判断结果相同时,则该判断结果,可作为最终的判断结果。举例来说,第一指标中包括SINR和首径功率。UE测量的SINR大于或等于SINR阈值,且UE测量的首径功率大于或等于首径功率阈值,则最终的判断结果可以为第一指标满足第一条件。或者,当根据第一指标包括的多项指标,确定的判断结果不同时,可能需要上述各个判断结果,确定最终的判断结果。在一种实现方式中:可以为不同的指标设置为不同的权重;根据不同权重指标对应的判断结果,确定最终的判断结果。沿用上述举例,第一指标中包括SINR和首径功率。SINR的权重为第一权重,首径功率的权重为第二权重,第一权重大于第二权重,且第一权重与第二权重之和等于1。UE测量的SINR大于SINR阈值,UE测量的首径功率小于首径功率阈值,由于SINR权重大于首径功率的权重,则最终的判断结果可以以指标SINR的判断结果为准,即最终的判断结果为:第一指标满足第一条件。
可以理解的是,基站发送的下行参考信号,在无线传输环境中,经过反射和折射等,存在多径信号。首径是指到达UE的某一径信号,该径信号并不是指采集点索引(index)等于0的那一径信号,而是指信号强度最大的采样点索引对应的那一径信号,或者可以通过算法确定首径等,不作限制。
步骤1103:UE基于所述判断的结果,向LMF发送第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于AI的方式确定UE的位置信息。
在一种设计中,当所述判断结果为第一指标满足第一条件时,对UE向LMF发送第二测量结果的全部或部分的过程,进行说明。可以理解的是,该说明仅为示意性的说明,并不作为对本申请的限制。
示例1,UE向基站发送第二测量结果的部分。例如,UE向基站发送第二参考信号的部分子载波的测量结果。举例来说,第二参考信号在频域上占用4096个子载波。在第一参考信号对应的第一指标不满足第一条件时,UE向基站反馈2048个子载波的测量结果。或者,UE向基站发送第二参考信号的部分接收天线端口的测量结果等。
示例2,基站向UE配置缩减配置的第二参考信号。缩减配置的第二参考信号满足以下一项或多项:相对于第一参考信号的发送功率减少、相对于第一参考信号的天线端口数量减少、或相对于第一参考信号的时频资源减少。可以理解的,上述相对于第一参考号的天线端口减少可具体指:相对于第一参考信号的发送天线端口和/或接收天线端口减少等,不作限制。
例如,UE可以对第一参考信号进行测量,确定第一测量结果。对第一测量结果是否满足第一条件进行判断。当第一测量结果不满足第一条件时,UE向基站发送请求消息,或者,将第一测量结果不满足第一条件的判断结果发送给基站。基站确定第二参考信号,该第二参考信号为相对于第一参考信号缩减配置。比如,第二参考信号的频域资源小于第一参考信号的频域资源,第一参考信号的频域资源为4096个子载波,第二参考信号的频域资源为2048个子载波等。基站向UE发送第一配置信息,该第一配置信息用于配置缩减配置的第二参考信号,例如,配置UE在2048个子载波上接收第二参考信号等,不作限制。UE对缩减配置的第二参考信号进行测量,确定第二测量结果。例如,UE对缩减配置的第二参考信号,在2048个子载波上进行测量,确定2048个子载波对应的测量结果。UE将2048个子载波对应的测量结果的全部或部分,发送给LMF。
在一种设计中,当所述判断结果对应的第一指标不满足第一条件时,对UE向LMF发送第二测量结果的全部或部分的过程,进行说明。可以理解的是,该说明仅为示例性的说明,并不作为对本申请的限制。
示例1,UE向LMF发送第二测量结果的全部。
示例2,UE向基站或LMF发送请求信息,该请求信息用于请求第二参考信号的增强配置。UE接收来自基站或LMF的第二配置信息,该第二配置信息用于配置增强配置的第二参考信号。UE根据第二配置信息,接收来自基站的增强配置的第二参考信号。在本申请实施例中,所述第二参考信号可以为增强配置的第二参考信号。可选的,增强配置的第二参考信号,满足以下一项或多项:相对于第一参考信号的发送功率增加、相对于第一参考信号的天线端口数量增多,或者相对于第一参考信号的时频资源
增加。UE对增强配置的第二参考信号进行测量,确定第二测量结果。UE向LMF发送增强配置的第二参考信号的第二测量结果的全部或部分等,不作限制。
举例来说,UE对第一参考信号进行测量,确定第一测量结果。当第一测量结果对应的第一指标不满足第一条件时,则UE向LMF发送请求消息,该请求消息用于请求LMF为UE配置相对于第一参考信号增强配置的第二参考信号。LMF和UE可采用LPP协议,透基站和AMF传输,LMF向UE发送第二配置信息,用于为UE配置增强配置的第二参考信号。或者,LMF和UE间的传输需基站和AMF的转发等,不作限制。或者,LMF在接收到UE的请求消息时,可以向基站发送指示信息,该指示信息用于指示基站为UE配置增强配置的第二参考信号等。基站在接收到LMF的指示信息,向UE发送第二配置信息,该第二配置信息用于为UE配置增强配置的第二参考信号等。或者,UE可以向基站发送请求消息,该请求消息用于请求基站为UE配置增强配置的第二参考信号。基站在接收到该请求消息时,向UE发送用于配置增强配置的第二配置信息等。
在一种设计中,基站周期性向UE发送下行参考信号。例如,在第i个周期内,基站向UE发送参考信号i,UE对参考信号i进行测量,确定测量结果i;UE对测量结果i对应的指标i是否满足第一条件进行判断。在第i+1个周期内,基站向UE发送参考信号i+1,UE对参考信号i+1进行测量,确定测量结果i+1;UE基于第i个周期的判断结果,向LMF发送测量结果i+1的全部或部分。其中,i的取值为大于或等于1的正整数。在该实现方式中,参考信号i可对应于图11流程中的第一参考信号,参考信号i+1对应于图12流程中的第二参考信号。通过上述描述可以看出,UE根据第i个周期内的参考信号的判断结果,向LMF发送第i+1个周期内的参考信号的测量结果。当i的取值为1时,对于首个周期的测量结果并没有可以参考的上一个周期的判断结果,因此,对于首个周期的参考信号,UE向LFM发送该参考信号的测量结果的全部。也就是说,当图11流程中的第一参考信号为首个周期的参考信号时,图11流程中的方法还包括:UE向LMF发送第一参考信号的第一测量结果的全部。可选的,首个周期的参考信号可指:基站在第一个周期内,向UE发送的参考信号。
在另一种设计中,对基站是否以周期为单位发送下行参考信号,不作限制。例如,基站向UE发送参考信号i,UE对参考信号i进行测量,确定测量结果i;UE对测量结果i对应的指标i是否满足第一条件进行判断。基站向UE发送参考信号i+1,UE根据测量结果i的判断结果,向UE发送参考信号i+1的测量结果i+1的全部或部分。其中,i的取值为大于或等于1的整数。当i的取值为1时,对于参考信号1是首个参考信号,并没有可以参考的上一参考信号的判断结果,因此,对于首个参考号,UE向LMF发送其测量结果的全部。参考信号i可对应于图11流程中的第一参考信号,参考信号i+1可对应图11流程中的第二参考信号。也就是说,当第一参考信号为首个参考信号时,图11流程中的方法还包括:UE向LMF发送第一参考信号的第一测量结果的全部。可选的,首个参考信号可指:UE在无线接入到基站时,该基站向UE发送的第一个参考信号;或者指UE在无线接入到基站中的某个小区时,在该小区作为UE的服务小区时,基站通过该服务小区向UE发送的第一个参考信号等,不作限制。
在一种设计中,当第一测量结果或第二测量结果为RSRP时,在一种实现方式中:在第一次测量过程中,LMF可以配置X个基站发送下行参考信号,UE分别对X个基站发送的下行参考信号进行测量,确定X个测量结果,每个测量结果对应对一个基站发送的下行参考信号测量的RSRP。UE向LMF上报的第一测量结果中包括X个测量结果。当LMF确定X个测量结果中Z个测量结果大于或等于RSRP阈值时,在第二个周期中可配置Z个测量结果中Y个测量结果对应的Y个基站发送下行参考信号。可选的,在Z个测量结果对应的Z个基站中,选择Y个基站的方式不作限制。例如,可以在Z个基站中随机选择Y个基站,或者,可以选择测量结果的RSRP值排序靠前的Y个测量结果对应的Y个基站,或根据其他算法进行选择等,不做限制。在第二次测量过程中,该Y个基站向UE发送下行参考信号,UE对Y个基站的下行参考信号进行测量,确定Y个测量结果,UE向LMF上报的第二测量结果中包括Y个测量结果。X、Z和Y均为整数,且X大于Z,Z大于Y。
步骤1104:LMF根据AI模型和第二测量结果的全部或部分,确定UE的位置信息。
在一种设计中,第二测量结果的全部或部分,用于作为或者确定AI模型的输入;该AI模型的输出用于作为或者确定UE的位置信息。
例如,LMF将第二测理结果的全部或部分作为AI模型的输入,输入到AI模型中,该AI模型的输出为UE的位置信息。或者,LMF根据第二测理结果的全部或部分,确定AI模型的输入。例如,第二测量结果的全部或部分中包括参考信号的m个端口的数据,AI模型的输入维度为n个端口。根据m个
端口与n个端口的映射关系,确定AI模型的输入。
LMF将上述确定的AI输入,输入到AI模型中,AI模型的输出直接为UE的位置信息,或者,LMF可根据AI模型的输出,确定UE的位置信息等,不作限制。
可选的,前已述:UE可向LMF发送第一测量结果的全部。所述方法还包括:LMF接收来自UE的第一测量结果的全部。LMF根据第一测量结果的全部和AI模型,确定UE的位置信息。比如,第一测量结果的全部直接作为AI模型的输入,或者对第一测理结果的全部进一步处理后,确定AI模型的输入;AI模型的输出直接为UE的位置信息。或者,对AI模型的输出进一步处理后,确定UE的位置信息等,不作限制。
可选的,在上述步骤1104中确定UE的位置信息时,也可考虑第一测量结果的全部、和/或根据第一测量结果的全部确定的UE的位置信息。为了便于区分,可将根据第一测量结果的全部,确定的UE的位置信息,称为UE的第一位置信息。将至少根据第二测量结的全部或部分,确定的UE的位置信息,称为UE的第二位置信息。在本申请实施例中,上述步骤1104中,确定UE的第二位置信息的过程,包括:
LMF根据第一测理结果的全部、第一位置信息、第二测量结果的全部或部分,确定AI模型的输入;LMF根据AI模型的输入和所述AI模型,确定UE的第二位置信息。
可以理解的是,AI模型的输入维度中包括测量结果对应的端口和位置信息对应的端口。可对第一测量结果的全部和第二测量结果的全部或部分做综合处理,将处理后的结果输入到AI模型的对应端口。在本申请实施例中,对上述处理的具体方式,不作限制。例如,将第二测量结果的全部和第二测量结果的全部或部分整合为一个测量结果等。
可选的,所述AI模型用于预测UE的位置信息,所述AI模型可简称为模型,不作限制。所述AI模型是协议规定的、预设的、LMF自行训练的、或者除LMF外的第三方设备训练的,且将训练好的AI模型配置给LMF的等,不作限制。该第三方设备可包括除LMF外的其它核心网设备,例如AMF等。
在本申请实施例中,训练AI模型的方式包括但不限制:监督学习、非监督学习或强化学习等机器学习方法。为了便于理解,以下示例性的对上述三种机器学习方法进行说明,该说明并不作为对本申请实施例的限制。
1、监督学习。
监督学习利用采集到的训练样本和样本标签,利用机器学习算法学习训练样本到样本标签的映射关系,并利用模型来表达学习到的映射关系。例如,在本申请实施例中,第一模型可表达测量结果与UE的位置信息的映射关系,训练模型的过程可认为是学习映射关系的过程。利用监督学习,训练的模型表达的映射关系可以为线性映射关系、或非线性映射关系等。根据样本标签的类型可将学习的任务分为分类任务和回归任务。对于监督学习在训练时,可确定模型的预测值与样本标签的误差;如果模型的预测值和样本标签的误差大于或等于预设值,则优化或调整模型参数,且对优化或调整参数的模型,继续进行训练。如果模型的预测值和样本标签的误差小于预测值,则认为完成训练。
2、无监督学习。
无监督学习利用采集到的训练样本,利用机器学习算法发掘训练样本的内在模式。无监督学习中有一类算法将训练样本自身作为监督信号,即样本标签,模型学习从训练样本到训练样本的映射关系,称为自监督学习。对于自监督学习在训练时,通过计算模型的预测值与训练样本的误差来优化模型参数,直到模型的输出与训练样本的误差小于预设值,则完成模型的训练。
3、强化学习。
强化学习是通过与环境交互来学习解决问题的策略的算法。强化学习与监督学习不同,强化学习没有明确的样本标签。强化学习算法需要与环境进行交互,获取环境反馈的奖励信号,进而调整模型的决策动作以获取更好的奖励信号。强化学习是学习环境状态与决策动作间的映射关系,但因为无法获取明确的样本标签(“正确动作”),所以不能通过决策动作与“正确动作”的误差来优化模型。强化学习的训练是通过与环境迭代交互,来优化模型的参数,直至模型输出的决策动作获得的环境的奖励信号满足要求为止。
以监督学习为例,训练AI模型的过程,包括:利用训练样本和AI模型,确定UE的位置信息。根据UE的位置信息和所述训练样本对应的标签,优化或调整AI模型。
上述训练AI模型的过程,可以是一个迭代的过程。比如,在第一次模型训练的过程中,AI模型为初始模型,该初始模型是预配置的,预设的,或者协议规定的等,不作限制。第一次模型训练的过程,包括:将训练样本,输入到AI模型中,该AI模型的输出,为UE的位置信息。或者,可对训练样本处理后的信息,作为AI模型的输入;对AI模型输出的信息处理后,确定UE的位置信息等,不作限制。训练样本对应的标签认为是训练样本对应的“UE的正确位置信息”。根据AI模型输出的UE位置信息和“UE的正确位置信息”,确定两者的误差。可选的,可利用损失函数度量两者的误差。判断两者的误差是否小于预设门限值(或者是否满足目标需求);如果小于预设门限值(或者满足目标需求),则认为完成模型训练。如果大于或等于预设门限值(或者不满足目标需求),则可调整AI模型的参数。以AI模型是神经网络学习模型为例,调整AI模型的参数包括:调整神经网络的以下一项或多项:层数、宽度、神经元的权重、或神经元的激活函数中的参数等。调整参数的AI模型可认为第一次模型训练中获得的AI模型。对调整参数的AI模型,继续第二次模型训练。第二次模型训练的过程,与前述第一次模型训练的过程相似。例如,第二次模型训练的过程,包括:根据训练样本和第一次模型训练的模型(该模型可继续称为AI模型),确定UE的位置信息;根据AI模型输出的位置信息和训练样本对应的标签,确定两者的误差;如果两者的误差小于预设门限值(或者不满足目标需求),则调整AI模型的参数,继续第三次模型训练;或者,如果两者的误差大于或等于预设门限(或者满足目标需求),则完成模型训练。可选的,上述训练样本可以是从UE或基站收集的,不作限制。训练样本中包括:测量结果,该测量结果中包括:第一测量结果的全部,和/或第二测量结果的全部或部分等,不作限制。
可选的,上述图11的流程中还包括:LMF接收来自位置请求装置的定位请求。LMF根据所述定位请求,确定第一信息,该第一信息用于指示第一条件中的第一阈值。前文中已说明,该第一信息可以是LMF发送给UE的。LMF向位置请求装置发送UE的位置信息。
所述位置请求装置可以是服务器,或者应用于服务器中的芯片或电路等。例如,对于地图导航软件的服务器想获知某个UE的位置信息,则该服务器可向LMF发送定位请求,该定位请求中包括UE的标识。可选的,该定位请求中还可以包括定位精度等。LMF可根据定位精度,确定第一条件中的第一阈值。例如,定位精度的要求较高,可将第一阈值设置的大些。或者,定位精度的要求较低,可将第一阈值设置的小些等,不作限制。或者,LMF可以根据定位请求,确定定位模式;LMF根据定位模式,确定第一信息。可选的,所述定位模式可包括:CFR指纹定位模式、CIR指纹定位模式、RSRP指纹定位模式、或场强指纹定位模式等。不同定位模式其对应的定位精度可能不同,LMF可根据定位模式,确定第一阈值等,且LMF将第一阈值通过第一信息指示给UE。在一种设计中,定位请求装置发送的定位请求包括定位精度等指示信息,LMF可根据上述指示信息,确定符合上述定位精度要求的定位模式。或者,
所述位置请求装置可以是UE,或者应用于UE中的芯片或电路等。例如,UE需要获取UE的位置信息,则UE可以向LMF发送定位请求。例如,UE中安装有地图导航软件,需要获取UE的位置信息,则UE可向LMF发送定位请求。由LMF触发下行定位或者上行定位。以LMF触发下行定位为例,LMF可以向UE指示第一阈值,指示基站发送下行参考信号。UE对来自基站的下行参考信号进行测量,且根据第一阈值与测量结果对应的指标的判断结果,向LMF上报测量结果的全部或部分,且根据LMF上报的测量结果的全部或部分,确定UE位置信息,将UE位置信息再发送给UE等,不作限制。可选的,在本申请实施例中,UE可直接向LMF发送定位请求,或者UE可以向某个服务器(例如,地图导航软件的服务器)发送定位请求,服务器将定位请求转发给LMF等。举例来说,UE内安装的地图导航软件,需要获取UE的位置信息。UE向地图导航软件对应的服务器发送定位请求,地图导航软件对应的服务器将定位请求,转发给LMF等。
在本申请中,第一信息可显示指示第一阈值,或者隐示指示第一阈值等,不作限制。可选的,第一信息除用于指示第一阈值外,还可以用于显示或隐示指示第一阈值对应的指标。在一种设计中,第一条件为:SINR大于30dB,指标为SINR,第一阈值为30dB。以下示意的,对LMF指示第一阈值和/或指标的过程进行说明:
1、每种定位模式其对应的第一阈值和指标是预定义的,也就是已预定义了:每种定位模式与第一阈值和指标的对应关系。在一种设计中,LMF可以向UE发送确定的定位模式的标识。UE可以根据定位模式的标识,确定与其存在对应关系的指标和第一阈值等。在此设计中,上述第一信息中可携带有定位模式的指示信息。
2、第一阈值是预定义,例如预定义了:指标和第一阈值的对应关系。在一种设计中,LMF确定指标后,可将指标指示给UE。UE根据LMF指示的指标,以及指标和第一阈值的对应关系,确定第一阈值。在该设计中,上述第一信息中可携带有指标的指示信息。可选的,该第一信息中还可以携带有定位模式的指示信息。
3、指标是预定义的,例如预定义:第一阈值与指标的对应关系。在一种设计中,LMF确定第一阈值后,可将第一阈值指示给UE。UE根据LMF指示的第一阈值,以及第一阈值和指标的对应关系,确定指标。在该设计中,上述第一信息中可携带有第一阈值的指示信息。可选的,该第一信息中还可以携带有定位模式的指示信息。
4、第一阈值和指标都不是预定义的。LMF需要向UE分别指示第一阈值和指标。在该设计中,上述第一信息中可携带有第一阈值的指示信息和指标的指示信息。例如,第一信息可携带两个指示信息,该两个指示信息分别用于指示第一阈值和指标。或者,第一信息中可携带一个指示信息,该一个指示信息可共同指示第一阈值和指标。比如,可预先建立不同的第一阈值和不同的指标的关联关系,且为每个建立关联关系的第一阈值和指标分配一个索引,则第一信息可携带上述索引等。
以UE向LMF发送的第一测量结果或第二测量结果为CFR为例,如图12所示,提供一种下行定位流程,包括:
步骤1201:位置请求方向LMF发送定位请求,定位请求中包括高精度定位需求的指示信息。
关于位置请求方可参考前文中的位置请求装置的说明。可选的,位置请求方可以是UE,步骤1201中的定位请求是通过UE的应用层发出的,或者是通过UE的内置配置发出的等,不作限制。
步骤1202:LMF根据所述定位请求,确定CFR指纹定位模式。根据CFR指纹定位模式,确定第一阈值,该第一阈值可以为SINR阈值。
步骤1203:LMF向UE发送第一信息,该第一信息用于指示SINR阈值。
步骤1204:LMF向基站发送指示信息,该指示信息用于指示基站向UE发送下行参考信号。在图12的流程中,以下行参考信号为PRS为例。在下文中,以基站向UE周期性发送PRS为例。在第一个周期内,基站向UE发送的PRS称为PRS1,在第二个周期内,基站向UE发送的PRS称为PRS2。
步骤1205:在第一个周期内,基站向UE发送PRS1。
步骤1206:UE对PRS1测量,确定PRS1对应的CFR。为了便于区分,可将PRS1对应的CFR称为CFR1。UE向LMF发送CFR1的全部。
可选的,CFR1可以为PRS1的全部子载波对应的CFR1。举例来说,PRS1在频域上占用4096个子载波。UE测量4096个子载波中,每个子载波对应的CFR。CFR1为4096个子载波对应的CFR。
步骤1207:LMF根据AI模型和CFR1,确定UE的位置信息,且存储UE的位置信息和CFR1。为了便于区分,将根据UE反馈的CFR1,确定的UE的位置信息,称为UE的位置信息1。
步骤1208:LMF向位置请求方发送定位结果,该定位结果中包括UE的位置信息1。
步骤1209:在第二个周期内,基站向UE发送PRS2。
步骤1210:UE对PSR2测量,确定PRS2对应的CFR。为了便于区分,可将PRS2对应的CFR称为CFR2.
步骤1211:UE根据LMF指示的SINR阈值,对CFR1对应的SINR进行判断,并根据判断的结果,确定向LMF上报的CFR2。
例如,CFR1对应的SINR大于或等于LMF指示的SINR阈值,则说明UE与基站之间的信道测量结果表征UE位置的能力较强,则在第二周期的定位中,UE可以反馈粗采样粒度的CFR给LMF进行定位。例如,如果第一周期测量的SINR大于或等于LMF指示的SINR阈值,则UE可以将部分子载波的CFR2上报给LMF。举例来说,PRS2在频域上占用4096个子载波,UE可以间隔一个子载波测量PRS2的CFR2,UE向LMF反馈2048个子载波的CFR2等。或者,UE可以向LMF上报部分天线端口的CFR2。关于CFR1对应的SINR小于LMF指示的SINR阈值的情况,可参见图13的说明。
可以理解的是,在本申请实施例中,在CFR1的SINR大于或等于SINR阈值的情况下,UE向LMF上报CFR2的部分。在一种设计中,UE可以测量全部的CFR2,但在上述情况下,UE向基站上报部分的CFR2。比如,UE可以测量4096个子载波的CFR2,但UE向LMF上报2048个子载波的CFR2。或者,UE可以测量全部天线端口的CFR2,但UE向LMF上报部分天线端口的CFR2。或者,在另一种
设计中,UE可以测量部分的CFR2,且将测量的部分CFR2上报给LMF。比如,UE可以测量2048个子载波的CFR2,对于剩余2048个子载波不再测量对应的CFR2。比如,UE在4096个子载波中,可以每间隔一个子载波,测量一次CFR2等。或者,UE可以测量部分天线端口的CFR2,对于其它天线端口不再测量其对应的CFR2等。UE测量部分的CFR2,相对于UE测量全部的CFR2,可减少UE的功耗。
步骤1212:UE向LMF发送CFR2。
步骤1213:LMF根据AI模型、CFR1、UE的位置信息1和CFR2,确定UE的位置信息,该UE的位置信息可称为UE的位置信息2。
步骤1214:UE向LMF发送定位结果,该定位结果中包括UE的位置信息2。
通过上述设计,在LMF侧部署AI模型进行下行定位,UE对基站发送的下行参考信号进行测量,将测量结果上报给LMF。LMF根据上报的测量结果和AI模型进行模型推理,确定UE的位置信息。LMF向UE指示SINR阈值,UE利用历史的测量结果和SINR阈值,自适应调整向LMF反馈的测量结果。当UE的历史测量结果大于或于SINR阈值时,UE向LMF反馈测量结果的部分,减少UE的空口开销,LMF侧利用更少的测量结果实现定位。
如图13所示,本申请实施例提供一下行定位流程,该流程与图12流程的区别在于:在该流程中着重说明:在CFR1对应的SINR小于LMF指示的SINR阈值的情况。该流程包括:
步骤1301:位置请求方向LMF发送定位请求。
步骤1302:LMF根据定位请求,确定CFR指纹定位模式。根据CFR指纹定位模式,确定第一阈值,该第一阈值可以为SINR阈值。
步骤1303:LMF向UE发送第一信息,该第一信息用于指示SINR阈值。
步骤1304:LMF向基站发送指示信息,该指示信息用于指示基站向UE发送下行参考信号。
步骤1305:在第一个周期内,基站向UE发送PRS1。
步骤1306:UE对PRS1测量,确定PRS2对应的CFR1,且向LMF发送CFR1的全部。
步骤1307:LMF根据AI模型和CFR1,确定UE的位置信息1,且存储UE的位置信息1和CFR1。
步骤1308:LMF向位置请求方发送定位结果,该定位结果中包括UE的位置信息1。
步骤1309:UE根据LMF指示的SINR阈值,对CFR1对应的SINR进行判断,并根据判断的结果,确定LMF上报的CFR2。
例如,CFR1对应的SINR小于LMF指示的SINR阈值,则说明UE测量的测量结果表征UE位置的能力较弱,则UE向基站或LMF请求增强配置的PRS2,所述增强配置的PRS2,满足以下一项或多项:相对于PRS1的发送功率增加、相对于PRS1的天线端口数量增加、或者相对于PRS1的时频资源增加。
可以理解的是,UE可以向LMF请求增强配置PRS2,LMF在接收到该请求时,可以指示基站,在第二个周期内,向UE发送增强配置的PRS2。或者,UE向基站请求增强配置的PRS,则在第二个周期内,基站直接向UE发送配置增强的PRS2。
步骤1310:UE向基站或LMF发送请求消息,该请求消息用于请求LMF或基站为UE配置增强配置的PRS2。
步骤1311:在第二个周期内,基站向UE发送增强配置的PRS2。
步骤1312:UE测量PRS2,确定PRS2对应CFR2,且向LMF上报CFR2的全部或部分。例如,UE向LMF上报PRS2的全部子载波的CFR2,或者全部天线端口的CFR2等,不作限制。
步骤1313:LMF根据AI模型、CFR1、UE的位置信息1和CFR2,确定UE的位置信息,该UE的位置信息可称为UE的位置信息2。
步骤1314:UE向LMF发送定位结果,该定位结果中包括UE的位置信息2。
通过上述设计,在LMF侧部署AI模型进行下行定位,UE对基站发送的下行参考信号进行测量,将测量结果上报给LMF。LMF根据上报的测量结果和AI模型进行模型推理,确定UE的位置信息。LMF向UE指示SINR阈值,UE利用历史的测理结果和SINR阈值,向基站或LMF请求增强配置的下行参考信号,UE根据增强配置的下行参考信号,得到更高精度的测量结果,实现对UE的高精度定位。
如图14所示,以上行定位中应用上述第一种方案,第一通信装置为基站,第二通信装置为UE,位置管理装置为LMF为例,提供上行定位流程,包括:
步骤1401:基站对来自UE的第一参考信号和第二参考信号分别进行测量,确定第一参考信号的第一测量结果和第二参考信号的第二测量结果。
其中,在上行定位中,第一参考信号和第二参考信号均为上行参考信号,例如SRS等。可选的,所述第一测量结果为CFR、CIR或RSRP,第二测量结果为CFR、CIR或RSRP等,不作限制。
步骤1402:基站对第一测量结果对应的第一指标是否满足第一条件进行判断。
例如,UE根据第一测量结果,确定第一指标,第一指标包括以下一项或多项:SINR、首径功率、或RSRP等。第一条件中包括第一阈值,第一阈值包括以下一项或多项:SINR阈值、首径功率阈值、或RSRP阈值等。上述第一条件可具体为:第一指标大于或等于(或者大于)第一阈值。也就是说:当第一指标大于或等于(或者大于)第一阈值时,判断结果为第一指标满足第一条件。或者,当第一指标小于(或者小于或等于)第一阈值时,判断结果为第一指标不满足第一条件。
可选的,上述第一阈值可以是协议规定的、预设的、基站或LMF等配置给基站的等,不作限制。以LMF为基站配置第一阈值为例。该方法还可以包括:基站接收来自LMF的第一信息,该第一信息用于指示所述第一条件中的第一阈值。
步骤1403:基站基于所述判断的结果,向LMF发送第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于AI的方式确定UE的位置信息。
在一种设计中,所述判断结果为第一指标满足第一条件,基站向LMF发送第二测量结果的部分。举例来说,当所述判断结果满足第一条件,即第一测量结果对应的第一指标大于或等于第一阈值时,其代表测量结果表征UE位置的能力较强,则基站可以LMF发送第二测量结果的部分。该第二测量结果的部分可以为部分发送天线端口或部分接收天线端口的第二测量结果,或者部分子载波的第二测量结果等,不作限制。在一种实现方式中,基站测量每个天线端口接收第二参考信号的平均功率,将平均功率大于阈值的天线端口对应的第二测量结果发送给LMF。或者,
基站向UE发送第一配置信息,该第一配置信息用于配置UE接收缩减配置的第二参考信号。可选的,缩减配置的第二参考信,满足以下一项或多项:相对于所述第一参考信号的发送功率减少、相对于所述第一参考信号的天线端口数量减少、或者相对于所述第一参考信号的时频资源减少等。之后,基站向LMF发送缩减配置的第二参考信号的第二测量结果的全部或部分。
在上述设计中,当基站测量的第一测量结果对应的第一指标大于或等于第一阈值时,基站减缩第二参考信号的配置,该缩减的第二参考信号包括以下一项或多项:相对于第一参考信号的时频资源减少、相对于第一参考信号的天线端口数量减少、或相对于第一参考信号的发送功率减少等。UE按照上述配置,向基站发送缩减配置的第二参考信号。基站对缩减配置的第二参考信号进行测量,确定第二测量结果。在本申请实施例中,基站向LMF可以发送第二测量结果的全部或部分等,不作限制。比如,在一种实现方式中,基站可以向LMF发送第二测量结果的全部。该设计与前一种设计不同,在前一种设计中,当判断结果满足第一条件时,基站直接向LMF发送第二测量结果的部分,并没有改变第二参考信号的配置。也就是说,在前述设计中,可认为第一参考信号和第二参考信号的配置是相同的。在前述设计中,由于基站向LMF发送第二测量结果的部分,可减少基站与LMF间的传输开销。而在该设计中不同的是,基站配置UE发送相对于第一参考信号,缩减配置的第二参考信号,基站向LMF发送缩减配置的第二参考信号的第二测量结果的全部或部分。举例来说,基站可配置UE发送4梳分(comb)的第一参考信号,4梳分指将指定大小的频域资源分配给4个UE使用,每个UE占用1/4个频域资源。若基站的判断结果为:第一参考信号的第一指标大于或等于第一阈值,则基站可配置UE发送8梳分的第二参考信号,8梳分指将指定大小的频域资源分配给8个UE使用,每个UE占用1/8个频域资源。在该设计中,由于UE向基站发送缩减配置的第二参考信号,可减少UE与基站间的空口开销,降低UE的功耗等。同时,由于第二参考信号相对于第一参考信号缩减配置,第二参考信号对应的第二测量结果的空口开销通常也要小,因此,采用上述设计,同样可减少基站与LMF间的传输开销。
在另一种设计中,所述判断结果为第一测量结果不满足第一条件,则基站向LMF发送第二测量结果的全部。或者,基站向UE发送第二配置信息,该第二配置信息用于配置增强配置的第二参考信号。可选的,在本申请实施例中,所述第二参考信号为增强配置的第二参考信号。增强配置的第二参考信号,满足以下一项或多项:相对于第一参考信号的发送功率增加、相对于第一参考信号的天线端口数量增加、或者相对于第一参考信号的时频资源增加。UE按照第二配置信息的配置,向基站发送增强配置的第二参考信号。基站对增强配置的第二参考信号进行测量,确定第二测量结果,且基站向LMF发送第二测
量结果的全部或部分。
通过上述设计,当判断结果为第一测量结果不满足第一条件时,代表UE的测量结果表征UE位置能力的较弱,基站可向LMF上报第二测量结果的全部。或者,基站配置UE发送相对于第一参考信号增强配置的第二参考信号,该增强配置的第二参考信号对应的测量结果,通常表征UE位置的能力更强,基站向LMF上报增强配置的第二参考信号的第二测量结果,LMF根据第二测量结果,推理的UE的位置信息具有更高的精确度。
可选的,当第一参考信号为首周期或首个参考信号,所述方法还包括:基站向LMF发送第一参考信号的第一测量结果的全部。首周期或首个参考信号,可参见下行定位流程的说明。与下行定位流程不同的是,在上行定位流程,UE向基站发送上行参考信号。若UE周期性向基站发送上行参考信号,则首周期的参考信号指UE在第一个周期内,向基站发送的上行参考信号。可选的,UE在每个周期内,向基站发送一个或多个上行参考信号,不作限制。或者,在本申请中,对UE是否周期性的向基站发送上行参考信号不作限制。首个参考信号指UE在接入基站时,向基站发送的首个参考信号,或者指UE在接入基站的某个小区时,该小区作为UE的服务小区,UE通过该服务小区,向基站发送的首个参考信号等,或者指UE在某个时间段内向基站发送的首个参考信号,或者,收到基站侧的指示后发送的首个参考信号等,不作限制。
在一种设计中,当第一测量结果或第二测量结果为RSRP时,一种实现方式包括:在第一次测量中,UE向X个基站分别发送上行参考信号,X个基站中的每个基站对UE发送的上行参考信号进行测量,确定对应的测量结果,测量结果中包括RSRP。上述X个基站分别向LMF上报对应的测量结果。LMF发现X个基站中的Z个基站上报的测量结果大于或等于RSRP阈值,则在第二次测量中,LMF可以通知上述Z个基站中的Y个基站上报测量结果,对于其它基站可以不再上报测量结果。可选的,对在Z个基站中选择Y个基站的方式,不作限制。例如,可以在Z个基站中,随机选择Y个基站,或者,可以选择测量结果的值排序靠前的Y个基站,或者可根据其它算法进行选择等,不作限制。
步骤1404:LMF根据AI模型和第二测量结果的全部或部分,确定UE的位置信息。
在一种设计中,第二测量结果的全部或部分用于作为或确定AI模型的输入,AI模型的输出用于作为或确定UE的位置信息。关于LMF根据AI模型和第二测量结果的全部或部分,推理UE位置信息的过程,可参见上文中下行定位流程中的说明。
可选的,上述方法还包括:LMF接收来自位置请求装置的定位请求。LMF根据所述定位请求,确定用于指示第一条件中的第一阈值的第一信息。LMF向位置请求装置发送UE的位置信息。可选的,上述LMF根据定位请求,确定第一信息的过程,包括:LMF根据定位请求,确定定位模式;LMF根据定位模式,确定第一信息等。具体的过程,可参见上文中下行定位流程中的说明,此处不再赘述。
以基站向LMF发送的第一测理结果或第二测量结果为CIR为例,如图15所示,提供上行定位流程,包括:
步骤1501:位置请求方向LMF发送定位请求,该定位请求中包括高精度定位需求的指示信息。
步骤1502:LMF根据所述定位请求,确定CIR指纹定位模式。根据CIR指纹定位模式,确定第一阈值,该第一阈值可以为首径功率阈值。
步骤1503:LMF向基站发送第一信息,该第一信息用于指示首径功率阈值。
步骤1504:LMF向基站发送指示信息,该指示信息用于指示基站配置UE发送4梳分的上行参考信号。在图15的流程中,以上行参考信号为SRS为例。
步骤1505:基站向UE发送第一配置信息,该第一配置信息用于配置UE发送4梳分的SRS。
步骤1506:UE根据第一配置信息的配置,向基站发送4梳分的SRS。
步骤1507:基站测量4梳分的SRS,确定第一测量结果,该第一测量结果可称为CIR1,且将测量的CIR1的全部上报给LMF。
步骤1508:LMF根据AI模型和CIR1,确定UE的位置信息1,且存储CIR1和UE的位置信息1。
步骤1509:LMF向定位请求方发送定位结果,该定位结果中包括UE的位置信息1。
步骤1510:基站根据LMF指示的首径功率阈值,对CIR1对应的首径功率进行判断,并根据判断的结果,确定本次定位中SRS的频域密度。
在一种设计中,如果CIR1对应的首径功率大于或等于LMF指示的首径功率阈值,则说明基站的测量结果表征UE位置的能力较强,则在本次定位中,基站为UE配置的SRS的频域密度可以小于上一
次定位中为UE配置的SRS的频域密度(上一次定位中SRS的频域密度为4梳分的SRS)。在图15的流程中,在本次定位中,以基站为UE配置8梳分的SRS为例说明。
在另一种设计中,如果CIR1对应的首径功率小于LMF指示的首径功率阈值,则说明基站的测量结果表征UE位置的能力较弱,则在本次定位中,基站为UE配置的SRS的频域密度可以大于上一次定位中为UE配置的SRS频域密度。在图15的流程中,在本次定位中,以基站为UE配置2梳分的SRS为例说明,所述2梳分的SRS可指将指定的频域资源分配给2个UE使用,每个UE占用1/2个频域资源。
步骤1511:基站向UE发送第二配置信息,该第二配置信息用于配置UE发送2梳分或8梳分的SRS。
可以理解的是,在步骤1511中,在第一个周期中测量的首径功率大于或等于首径功率阈值时,基站为UE配置8梳分的SRS。或者,在第一个周期中测量的首径功率小于首径功率阈值时,基站为UE配置2梳分的SRS。
步骤1512:UE根据第二配置信息,向基站发送2梳分或8梳分的SRS。
步骤1513:基站测量2梳分或8梳分的SRS,确定CIR2,且向LMF上报CIR2的全部。
步骤1514:LMF根据UE的位置信息1、CIR1、CIR2和AI模型,确定UE的位置信息2。
步骤1515:LMF向位置请求方发送定位结果,定位结果中包括UE的位置信息2。
通过上述设计,LMF侧部署AI模型用于上行定位。LMF向基站指示首径功率阈值,基站根据LMF指示的首径功率阈值和历史测量结果,自适应调整UE向基站发送SRS的频域密度。当基站历史测量的首径功率大于或等于首径功率阈值时,基站为UE配置更低频域密度的SRS,基站向LMF发送低频域密度SRS的测量结果的开销,通常要小于高频域密度SRS的测量信息的开销,降低基站向LFM发送测量结果的开销。或者,当基站历史测量的首径功率小于首径功率阈值时,基站为UE配置高频域密度的SRS,基站向LMF发送高频域密度SRS的测量结果,实现LMF对UE的高精度定位。
如图16所示,本申请实施例还提供一种上行定位流程,该流程与图15的区别主要在于:在第一次定位中,基站向LMF发送全部天线端口的CIR1。在第二次定位中,当CIR1对应的首径功率大于或等于LMF指示的首径功率阈值时,基站向LMF发送部分天线端口的CIR2。该流程至少包括:
步骤1601:位置请求方向LMF发送定位请求,该定位请求中包括高精度定位需求的指示信息。
步骤1602:LMF根据所述定位请求,确定CIR指纹定位模式。根据CIR指纹定位模式,确定第一阈值,该第一阈值可以为首径功率阈值。
步骤1603:LMF向基站发送第一信息,该第一信息用于指示首径功率阈值。
步骤1604:LMF向基站发送指示信息,该指示信息用于指示基站配置UE发送4梳分的上行参考信号。在图16的流程中,以上行参考信号为SRS为例。
步骤1605:基站向UE发送第一配置信息,该第一配置信息用于配置UE发送4梳分的SRS。
步骤1606:UE根据第一配置信息的配置,向基站发送4梳分的SRS。
步骤1607:基站测量4梳分的SRS,将测量的全部天线端口的CIR1上报给LMF。
步骤1608:LMF根据AI模型和CIR1,确定UE的位置信息1,且存储CIR1和UE的位置信息1。
步骤1609:LMF向定位请求方发送定位结果,定位结果中包括UE的位置信息1。
步骤1610:UE根据第一配置信息的配置,向基站发送4梳分的SRS。
步骤1611:基站根据LMF指示的首径功率阈值,对CIR1的首径功率进行判断,并根据判断的结果,确定本次定位中向LMF反馈的CIR2。
在一种设计中,如果CIR1对应的首径功率大于或等于LMF指示的首径功率阈值,则说明基站的测量结果表征UE位置的能力较强,则在本次定位中,基站向LMF发送部分天线端口的CIR2。该部分天线端口可以为基站接收SRS的功率大于或预设功率的部分天线端口,或者,按照接收SRS的功率大小,对基站的天线端口排序。基站向LMF反馈接收功率大的前1/2天线端口的CIR2。在图16的流程图中,重点说明该过程。
在另一种设计中,如果CIR1对应的首径功率小于LMF指示的首径功率阈值,则说明基站的测量结果表征UE位置的能力较弱,则在本次定位中,基站可向LMF反馈全部天线端口的CIR2。或者,与上述图15的过程相同,基站向UE发送第二配置信息,该第二配置信息用于配置UE发送2梳分的SRS等。
步骤1612:LMF根据UE的位置信息1、CIR1、CIR2和AI模型,确定UE的位置信息2。
步骤1613:UE向位置请求方发送定位结果,该定位结果中包括UE的位置信息2。
通过上述设计,LMF侧部署AI模型进行上行定位。LMF向基站指示首径功率阈值,基站根据LMF指示的首径功率阈值和历史测量结果,自适应的调整向LMF反馈的测量结果。比如,在历史测量的首径功率小于LMF指示的首径功率时,基站向LMF反馈测量结果的部分,减少传输开销。
可以理解的是,在本申请中:
1、各个流程中,着重描述不同流程间的区别。不同流程间的描述,可相互参见。
2、并不限制,流程中各个步骤的先后执行顺序。比如,在图12的流程中,步骤1211也可以在步骤1209和步骤1210之前执行。也就是说,在第一个周期内,UE可以对CFR1对应的SINR是否大于或等于SINR阈值进行判断,确定第二个周期内,UE向LMF发送的CFR2为全部或部分。在第二个周期内,UE对基站发送的PRS2进行测量,确定PRS2对应的CFR2,根据第一周期的判断结果,UE向基站上报PSR2的全部或部分等,不作限制。
3、关于“指示”作如下说明:指示可显示指示对应的信息,或者隐示指示对应的信息等,不作限制。例如,在本申请的描述中:第一信息用于指示第一阈值。该第一信息可显示指示第一阈值。比如,第一信息中携带第一阈值。或者,第一信息可隐示指示第一阈值。例如,该第一信息中携带有第一阈值对应的标识或指示信息等,该标识或指示信息等可用于隐示或间接指示第一阈值等。
4、本申请提供的用于定位的方法,并不限制,其应用场景。将用于定位的方法,应用于无线通信系统中,对UE定位,仅为示意性的说明。例如,本申请提供的用于定位的方法,还可以应用于WIFI系统,利用用于定位的方法可对WIFI系统中的终端等进行定位等。
可以理解的是,为了实现上述实施例中的功能,UE、基站、LMF或位置请求方等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,结合本申请中所公开的实施例描述的各示例的单元及方法步骤,本申请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17和图18为本申请的实施例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实施例中的一个或多个对应的功能,比如,由UE、基站、LMF或位置请求方等中的一项或多项实现的功能,因此可能实现上述方法实施例所具备的有益效果。
如图17所示,通信装置1700包括处理单元1710和收发单元1720。通信装置1700用于实现上述方法实施例中的一个或多个功能。比如由UE、基站、LMF或位置请求方等中的一项或多项所实现的功能。
例如,在下行定位中,当通信装置1700用于实现图11、图12或图13中UE的功能时:收发单元1720,用于对来自基站的第一参考信号和第二参考信号分别进行测量,确定所述第一参考信号的第一测量结果和所述第二参考信号的第二测量结果;处理单元1710,用于对所述第一测量结果对应的第一指标是否满足第一条件进行判断;以及,基于所述判断的结果,控制收发单元1720向位置管理装置发送所述第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于人工智能AI的方式确定所述第一通信装置或所述基站的位置信息。
例如,在上行定位中,当通信装置1700用于实现图14、图15或图16中基站的功能时:收发单元1720,用于对来自终端的第一参考信号和第二参考信号分别进行测量,确定所述第一参考信号的第一测量结果和所述第二参考信号的第二测量结果;处理单元1710,用于对所述第一测量结果对应的第一指标是否满足第一条件进行判断;和基于所述判断的结果,控制收发单元1720向位置管理装置发送所述第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于人工智能AI的方式确定所述第一通信装置或所述终端的位置信息。
在一种设计中,当通信装置1700用于实现上述图11至图16中基站的功能时:收发单元1720,用于向UE发送第一配置信息,所述第一配置信息用于配置第一参考信号;收发单元1720,还用于向所述UE发送第二配置信息,所述第二配置信息用于配置缩减配置的第二参考信号或增强配置的第二参考信号。
在一种设计中,当通信装置1700用于实现上述图11至图16中LMF的功能时:收发单元1720,
用于向第一通信装置发送第一信息,所述第一信息用于指示第一条件中的第一阈值,所述第一条件用于对第一参考信号的第一测量结果进行判断,所述判断的结果用于上报第二参考信号的第二测量结果的全部或部分的确定,以及,接收来自所述第一通信装置的所述第二参考信号的所述第二测量结果的全部或部分;处理单元1710,用于根据人工智能AI模型和所述第二测量结果的全部或部分,确定所述第一通信装置或第二通信装置的位置信息。可选的,在下行定位中,第一通信装置为UE,或应用于UE中的芯片或电路。在上行定位中,第一通信装置为基站,或应用于基站中的芯片或电路等。
在一种设计中,当通信装置1700用于实现上述图12、图13、图15或图16中位置请求方的功能时:收发单元1720,用于向位置管理装置发送定位请求;以及,接收来自所述位置管理装置的第一通信装置或第二通信装置的位置信息。可选的,位置请求装置为LMF,或者应用于LMF中的芯片或电路等,不作限制。
有关处理单元1710和收发单元1720更详细的描述可以直接参考上述方法实施例中相关描述直接得到,这里不加赘述。
如图18所示,通信装置1800包括处理器1810和接口电路1820。处理器1810和接口电路1820之间相互耦合。可以理解的是,接口电路1820可以为收发器或输入输出接口。可选的,通信装置1800还可以包括存储器1830,用于存储处理器1810执行的指令或存储处理器1810运行指令所需要的输入数据或存储处理器1810运行指令后产生的数据。可选的,该处理器1810可以用于实现如上方法实施例中一个或多个中的功能。
具体的,该处理器1810可以执行所述存储器1830中的指令从而使得该通信装置1800实现如上述方法实施例中一个或多个的功能,比如由UE,基站,LMF,或位置请求方等中的一项或多项所实现的功能。
当通信装置1800用于实现图11至图16所示的方法时,处理器1810用于实现上述处理单元1710的功能,接口电路1820用于实现上述收发单元1820的功能。
当上述通信装置为终端或应用于终端的芯片时,该终端或终端芯片可以实现上述方法实施例中UE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。
当上述通信装置为基站或应用于基站的模块时,该基站或基站模块可以实现上述方法实施例中基站的功能。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。
当上述通信装置是LMF或应用于LMF的模块时,该LMF或LMF模块实现上述方法实施例中LMF的功能。LMF模块从LMF中的其它模块(如射频模块或天线)接收信息,该信息是终端或基站发送给该LMF模块的;或者,该LMF模块向LMF中的其它模块(如射频模块或天线)发送信息,该信息是LMF发送给终端、或基站等的。这里的LMF模块可以是LMF的基带芯片,也可以是其它模块等,不作限制。
当上述通信装置是位置请求方或者应用于位置请求方的模块时,该位置请求方或位置请求方的模块可以实现上述方法实施例中的位置请求方的功能。位置请求方的模块可以从位置请求方中的其它模块(如射频模块或天线)接收信息,该信息可以是LMF发送给位置请求方模块的;或者,位置请求方模块可以向位置请求方中的其它模块(如射频模块或天线等)发送信息,该信息可以是发送LMF的。这里的位置请求方模块可以是位置请求方的基带芯片,也可以是其它模块等,不作限制。
可以理解的是,上述通信装置除了可以是无线通信中的装置或应用于该装置的芯片,比如如上的基站,终端,或LMF等,还可以是WIFI通信系统等其他通信系统中承担基站、终端或LMF等的一个或多个功能的装置,在本申请中不予限定。例如,在WIFI通信系统中,承担基站功能的装置可以是接入节点,或者应用于接入节点中的芯片或电路等。承担终端功能的装置可以是终端,或者应用于终端中的芯片或电路等。
可以理解的是,本申请的实施例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。
本申请的实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器、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中。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。当然,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数据质量度量装置中。
在上述实施例中,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申请实施例所述的流程或功能。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。
在本申请的各个实施例中,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。
本申请中,“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。在本申请的文字描述中,字符“/”,一般表示前后关联对象是一种“或”的关系;在本申请的公式中,字符“/”,表示前后关联对象是一种“相除”的关系。“包括A,B和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,在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。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 (34)
- 一种用于定位的方法,其特征在于,包括:第一通信装置对来自第二通信装置的第一参考信号和第二参考信号分别进行测量,确定所述第一参考信号的第一测量结果和所述第二参考信号的第二测量结果;所述第一通信装置对所述第一测量结果对应的第一指标是否满足第一条件进行判断;所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,所述第二测量结果的全部或部分用于基于人工智能AI的方式确定所述第一通信装置或所述第二通信装置的位置信息。
- 如权利要求1所述的方法,其特征在于,还包括:所述第一通信装置接收来自位置管理装置或所述第二通信装置的第一信息,所述第一信息用于指示所述第一条件中的第一阈值。
- 如权利要求2所述的方法,其特征在于,所述第一阈值包括以下中的一项或多项:信号干扰噪声比SINR阈值、首径功率阈值、或参考信号接收功率RSRP阈值。
- 如权利要求1至3中任一项所述的方法,其特征在于,所述第一测量结果或所述第二测量结果包括:信道频域响应CFR、信道脉冲响应CIR、或RSRP。
- 如权利要求1至4中任一项所述的方法,其特征在于,所述第二测量结果的全部或部分用于基于AI的方式确定所述第一通信装置或所述第二通信装置的位置信息,包括:所述第二测量结果的全部或部分用于作为或确定AI模型的输入,所述AI模型的输出用于作为或确定所述第一通信装置或所述第二通信装置的位置信息。
- 如权利要求1至5中任一项所述的方法,其特征在于,所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,包括:所述第一测量结果对应的第一指标满足所述第一条件;所述第一通信装置向所述位置管理装置发送所述第二测量结果的部分。
- 如权利要求1至5中任一项所述的方法,其特征在于,所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,包括:所述第一测量结果对应的第一指标满足所述第一条件;所述第一通信装置向所述第二通信装置发送第一配置信息,或者所述第一通信装置接收来自所述第二通信装置的第一配置信息,所述第一配置信息用于配置缩减配置的第二参考信号;所述第一通信装置向所述位置管理装置发送所述第二测量结果的全部或部分。
- 如权利要求7所述的方法,其特征在于,所述缩减配置的第二参考信号满足以下一项或多项:相对于所述第一参考信号的发送功率减少、相对于所述第一参考信号的天线端口数量减少、或者相对于所述第一参考信号的时频资源减少。
- 如权利要求1至5中任一项所述的方法,其特征在于,所述第一通信装置基于所述判断的结果,向位置管理装置发送所述第二测量结果的全部或部分,包括:所述第一测量结果对应的第一指标不满足所述第一条件;所述第一通信装置向所述位置管理装置发送所述第二测量结果的全部。
- 如权利要求1至5、或9中任一项所述的方法,其特征在于,还包括:所述第一测量结果对应的第一指标不满足所述第一条件;所述第一通信装置向所述第二通信装置或者所述位置管理装置发送请求信息,所述请求信息用于请求所述第二参考信号的增强配置;所述第一通信装置接收来自所述第二通信装置或所述位置管理装置的第二配置信息,所述第二配置信息用于配置增强配置的所述第二参考信号。
- 如权利要求1至5、或9中任一项所述的方法,其特征在于,还包括:所述第一通信装置向所述第二通信装置发送第二配置信息,所述第二配置信息用于配置增强配置的所述第二参考信号。
- 如权利要求1至5、9、10或11中任一项所述的方法,其特征在于,所述第二参考信号为增强配置的第二参考信号。
- 如权利要求10至12中任一项所述的方法,其特征在于,所述增强配置的第二参考信号,满足以下中的一项或多项:相对于所述第一参考信号的发送功率增加、相对于所述第一参考信号的天线端口数量增加、或者相对于所述第一参考信号的时频资源增加。
- 如权利要求1至13中任一项所述的方法,其特征在于,所述第一参考信号为首周期或首个参考信号,所述方法还包括:所述第一通信装置向所述位置管理装置发送所述第一参考信号的第一测量结果的全部。
- 一种用于定位的方法,其特征在于,包括:第二通信装置向第一通信装置发送第一配置信息,所述第一配置信息用于配置第一参考信号;所述第二通信装置向所述第一通信装置发送第二配置信息,所述第二配置信息用于配置缩减配置的第二参考信号或增强配置的第二参考信号。
- 如权利要求15所述的方法,其特征在于,所述缩减配置的第二参考信号包括以下一项或多项:相对于所述第一参考信号的发送功率减少、相对于所述第一参考信号的天线端口数量减少、或者相对于所述第一参考信号的时频资源减少。
- 如权利要求15所述的方法,其特征在于,所述增强配置的第二参考信号,满足以下一项或多项:相对于所述第一参考信号的发送功率增加、相对于所述第一参考信号的天线端口数量增加、或者相对于所述第一参考信号的时频资源增加。
- 如权利要求15至17中任一项所述的方法,其特征在于,还包括:所述第二通信装置接收来自位置管理装置的第一信息,所述第一信息用于指示第一条件中的第一阈值,所述第一条件用于对所述第一参考信号的第一测量结果进行判断。
- 如权利要求18所述的方法,其特征在于,所述第一阈值包括以下一项或多项:信号干扰噪声比SINR、首径功率阈值、或参考信号接收功率RSRP。
- 一种用于定位的方法,其特征在于,包括:位置管理装置向第一通信装置发送第一信息,所述第一信息用于指示第一条件中的第一阈值,所述第一条件用于对第一参考信号的第一测量结果进行判断,所述判断的结果用于上报第二参考信号的第二测量结果的全部或部分的确定;所述位置管理装置接收来自所述第一通信装置的所述第二参考信号的所述第二测量结果的全部或部分;所述位置管理装置根据人工智能AI模型和所述第二测量结果的全部或部分,确定所述第一通信装置或第二通信装置的位置信息。
- 如权利要求20所述的方法,其特征在于,所述第一参考信号为首周期或首个参考信号,还包括:所述位置管理装置接收来自所述第一通信装置的所述第一参考信号的第一测量结果的全部;所述位置管理装置根据所述第一测量结果的全部和所述AI模型,确定所述第一通信装置或所述第二通信装置的第一位置信息。
- 如权利要求21所述的方法,其特征在于,所述位置管理装置根据AI模型和所述第二测量结果的全部或部分,确定所述第一通信装置或所述第二通信装置的位置信息,包括:所述位置管理装置根据所述第一测量结果的全部、所述第一位置信息和所述第二测量结果的全部或部分,确定所述AI模型的输入;所述位置管理装置根据所述AI模型的输入和所述AI模型,确定所述第一通信装置或所述第二通信装置的第二位置信息。
- 如权利要求20至22中任一项所述的方法,其特征在于,还包括:所述位置管理装置接收来自所述第一通信装置的请求消息,所述请求消息用于请求所述第二参考信号的增强配置;所述位置管理装置向所述第一通信装置发送第二配置信息,所述第二配置信息用于配置增强配置的第二参考信号;或者,所述位置管理装置向所述第二通信装置发送指示信息,所述指示信息用于指示所述第二通信装置为所述第一通信装置配置增强配置的所述第二参考信号。
- 如权利要求20至23中任一项所述的方法,其特征在于,所述第二参考信号为增强配置的第二 参考信号。
- 如权利要求23或24所述的方法,其特征在于,所述增强配置的第二参考信号,满足以下一项或多项:相对于所述第一参考信号的发送功率增加、相对于所述第一参考信号的天线端口数量增加、或者相对于所述第一参考信号的时频资源增加。
- 如权利要求20至25中任一项所述的方法,其特征在于,还包括:所述位置管理装置接收来自位置请求装置的定位请求;所述位置管理装置根据所述定位请求,确定所述第一信息;所述位置管理装置向所述位置请求装置发送所述第一通信装置或所述第二通信装置的位置信息。
- 如权利要求26所述的方法,其特征在于,所述位置管理装置根据所述定位请求,确定所述第一信息,包括:所述位置管理装置根据所述定位请求,确定定位模式;所述位置管理装置根据所述定位模式,确定所述第一信息。
- 一种用于定位的方法,其特征在于,包括:位置请求装置向位置管理装置发送定位请求;所述位置请求装置接收来自所述位置管理装置的第一通信装置或第二通信装置的位置信息。
- 一种通信装置,其特征在于,包括用于执行如权利要求1至14中任一项所述方法的单元,或者权利要求15至19中任一项所述方法的单元,或者权利要求20至27中任一项所述方法的单元,或者权利要求28所述方法的单元。
- 一种通信装置,其特征在于,包括处理器,所述处理器用于执行指令,以使得所述通信装置执行如权利要求1至14中任一项所述的方法,或者权利要求15至19中任一项所述的方法,或者权利要求20至27中任一项所述的方法,或者权利要求28所述的方法。
- 如权利要求30所述的装置,其特征在于,还包括接口电路,所述接口电路用于接收来自所述通信装置之外的其它通信装置的信号并传输至所述处理器或将来自所述处理器的信号发送给所述通信装置之外的其它通信装置。
- 一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序或指令,当所述计算机程序或指令被通信装置执行时,实现如权利要求1至14中任一项所述的方法,或者权利要求15至19中任一项所述的方法,或者权利要求20至27中任一项所述的方法,或者权利要求28所述的方法。
- 一种计算机程序产品,其特征在于,包括计算机程序或指令,当计算机程序或指令被装置运行时,使得权利要求1至14中任一项所述的方法被执行,或者权利要求15至19中任一项所述的方法被执行,或者权利要求20至27中任一项所述的方法被执行,或者权利要求28所述的方法被执行。
- 一种处理器,其特征在于,所述处理器与存储器耦合,用于执行所述存储器中存储的计算机程序或指令,使得所述芯片实现权利要求1至14中任一项所述的方法,或者权利要求15至19中任一项所述的方法,或者权利要求20至27中任一项所述的方法,或者权利要求28所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462933.3 | 2022-11-21 | ||
CN202211462933.3A CN118057856A (zh) | 2022-11-21 | 2022-11-21 | 一种用于定位的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024109682A1 true WO2024109682A1 (zh) | 2024-05-30 |
Family
ID=91069289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2023/132581 WO2024109682A1 (zh) | 2022-11-21 | 2023-11-20 | 一种用于定位的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN118057856A (zh) |
WO (1) | WO2024109682A1 (zh) |
-
2022
- 2022-11-21 CN CN202211462933.3A patent/CN118057856A/zh active Pending
-
2023
- 2023-11-20 WO PCT/CN2023/132581 patent/WO2024109682A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
CN118057856A (zh) | 2024-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113661727B (zh) | 用于无线网络的无线电接入网(ran)节点的神经网络的配置 | |
US20210168684A1 (en) | Apparatus and method for load balancing in wireless communication system | |
US11032665B1 (en) | User equipment geolocation | |
CN108242961B (zh) | 基于集成学习的全双工认知无线电网络合作频谱感知方法 | |
US20220255611A1 (en) | Method and apparatus for selecting beam pairs in a beamforming based communication system | |
US20220210789A1 (en) | Systems and methods for interference management in a radio access network | |
WO2023143267A1 (zh) | 一种模型配置方法及装置 | |
WO2022073207A1 (zh) | 模型评估方法及装置 | |
Yu et al. | Air–ground integrated deployment for UAV‐enabled mobile edge computing: A hierarchical game approach | |
US20210282107A1 (en) | Coordinated radio fine time measurement | |
US11716161B2 (en) | Systems and methods for modification of radio access network parameters based on channel propagation models generated using machine learning techniques | |
WO2022134854A1 (zh) | 信息共享方法及通信装置 | |
CN116848828A (zh) | 机器学习模型分布 | |
WO2022172198A1 (en) | Deep generative models for downlink channel estimation in fdd massive mimo systems | |
CN115802370A (zh) | 一种通信方法及装置 | |
US11646778B2 (en) | Method and apparatus for controlling beam adaptively in wireless communication system | |
Gures et al. | A comparative study of machine learning-based load balancing in high-speed | |
Cardoso et al. | Novel multilayered cellular automata for flying cells positioning on 5g cellular self-organising networks | |
WO2024109682A1 (zh) | 一种用于定位的方法及装置 | |
Sun et al. | AI Model Selection and Monitoring for Beam Management in 5G-Advanced | |
US11425591B1 (en) | Beam selection for cellular access nodes | |
WO2022151900A1 (zh) | 一种基于神经网络的信道估计方法及通信装置 | |
US11546777B2 (en) | Method and system for object detection based on network beamforming | |
WO2023093777A1 (zh) | 一种通信方法及装置 | |
CN114666188A (zh) | 信息生成方法及相关装置 |