WO2024138673A1 - 无线通信的方法及通信设备 - Google Patents
无线通信的方法及通信设备 Download PDFInfo
- Publication number
- WO2024138673A1 WO2024138673A1 PCT/CN2022/144111 CN2022144111W WO2024138673A1 WO 2024138673 A1 WO2024138673 A1 WO 2024138673A1 CN 2022144111 W CN2022144111 W CN 2022144111W WO 2024138673 A1 WO2024138673 A1 WO 2024138673A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- identifier
- model
- information
- local
- public
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 148
- 230000006854 communication Effects 0.000 title claims abstract description 89
- 238000004891 communication Methods 0.000 title claims abstract description 81
- 238000012549 training Methods 0.000 claims description 36
- 238000013139 quantization Methods 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 28
- 238000012217 deletion Methods 0.000 claims description 16
- 230000037430 deletion Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 description 87
- 108091006146 Channels Proteins 0.000 description 57
- 230000008520 organization Effects 0.000 description 42
- 230000008569 process Effects 0.000 description 32
- 238000013528 artificial neural network Methods 0.000 description 24
- 238000013527 convolutional neural network Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000005457 optimization Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 15
- 230000011664 signaling Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006835 compression Effects 0.000 description 9
- 238000007906 compression Methods 0.000 description 9
- 210000002569 neuron Anatomy 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000011176 pooling Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 101150096310 SIB1 gene Proteins 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 3
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 2
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Abstract
本申请提供一种无线通信的方法及通信设备。该方法包括:第一设备确定第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。在本申请实施例中,第一设备可以确定用于指示第一模型的第一信息,有助于实现在无线通信系统中指示第一模型。
Description
本申请涉及通信技术领域,并且更为具体地,涉及一种无线通信的方法及通信设备。
随着人工智能(artificial intelligence,AI)技术的发展,基于AI技术的模型(例如,AI模型或机器学习模型)被广泛应用于各种无线通信过程中,使得无线通信过程中使用的模型的数量大大增加。在一些场景中,为了保证模型输出结果的准确性,针对不同的问题可以使用不同的模型,针对不同的执行主体可以使用不同的模型,针对不同的使用环境可以使用不同的模型,针对不同的输入数据可以使用不同的模型,针对不同的目标精度可以使用不同的模型。在另一些场景中,即使针对同样的问题也可以使用不同的模型,即使针对同样的模型,不同的执行主体也可以有不同的模型部署方案和模型优化方案。这样一来,在无线通信系统中如何指示不同的模型变成为了亟待解决的问题。
发明内容
本申请提供一种无线通信的方法及通信设备。下面对本申请涉及的各个方面进行介绍。
第一方面,提供了一种无线通信的方法,包括:第一设备确定第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
第二方面,提供了一种无线通信的方法,包括:第二设备接收第一设备发送的第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
第三方面,提供了一种通信设备,所述通信设备为第一设备,包括:确定单元,用于确定第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
第四方面,提供了一种通信设备,所述通信设备为第二设备,包括:接收单元,用于接收第一设备发送的第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
第五方面,提供一种通信设备,包括收发器、存储器和处理器,所述存储器用于存储程序,所述处理器用于调用所述存储器中的程序,并控制所述收发器接收或发送信号,以使所述终端执行如各个方面中任一项所述的方法。
第六方面,提供一种装置,包括处理器,用于从存储器中调用程序,以使所述装置执行如各个方面中任一项所述的方法。
第七方面,提供一种芯片,包括处理器,用于从存储器调用程序,使得安装有所述芯片的设备执行如各个方面中任一项所述的方法。
第八方面,提供一种计算机可读存储介质,其上存储有程序,所述程序使得计算机执行如各个方面中任一项所述的方法。
第九方面,提供一种计算机程序产品,包括程序,所述程序使得计算机执行如各个方面中任一项所述的方法。
第十方面,提供一种计算机程序,所述计算机程序使得计算机执行如各个方面中任一项所述的方法。
在本申请实施例中,第一设备可以确定用于指示第一模型的第一信息,有助于实现在无线通信系统中指示第一模型。
图1为可应用本申请实施例的无线通信系统的系统架构示例图。
图2是本申请实施例适用的信道估计及信号恢复的示意图。
图3是基于AI解码器进行信道估计的过程的示意图。
图4是基于自编码器的CSI反馈系统的示意图。
图5是基于AI解码器的接收机的示意图。
图6是基于AI模型的波束选择的示意图。
图7是基于AI模型的定位方案的示意图。
图8是本申请实施例适用的神经网络的示意图。
图9是本申请实施例适用的卷积神经网络的示意图。
图10是本申请实施例的无线通信方法的示意性流程图。
图11是本申请实施例的信息传输方法的示意图。
图12是本申请另一实施例的信息传输方法的示意图。
图13是本申请实施例的通信设备的示意图。
图14是本申请实施例的通信设备的示意图。
图15是本申请实施例的装置的示意性结构图。
下面将结合附图,对本申请中的技术方案进行描述。为了便于理解,下文先结合图1至图9介绍本申请实施例适用的通信系统,以及涉及的术语及通信过程。
图1是本申请实施例应用的无线通信系统100。该无线通信系统100可以包括网络设备110和终端设备120。网络设备110可以是与终端设备120通信的设备。网络设备110可以为特定的地理区域提供通信覆盖,并且可以与位于该覆盖区域内的终端设备120进行通信。
图1示例性地示出了一个网络设备和两个终端,可选地,该无线通信系统100可以包括多个网络设备并且每个网络设备的覆盖范围内可以包括其它数量的终端设备,本申请实施例对此不做限定。
可选地,该无线通信系统100还可以包括网络控制器、移动管理实体等其他网络实体,本申请实施例对此不作限定。
应理解,本申请实施例的技术方案可以应用于各种通信系统,例如:第五代(5th generation,5G)系统或新无线(new radio,NR)、长期演进(long term evolution,LTE)系统、LTE频分双工(frequency division duplex,FDD)系统、LTE时分双工(time division duplex,TDD)等。本申请提供的技术方案还可以应用于未来的通信系统,如第六代移动通信系统,又如卫星通信系统,等等。
本申请实施例中的终端设备也可以称为用户设备(user equipment,UE)、接入终端、用户单元、用户站、移动站、移动台(mobile station,MS)、移动终端(mobile terminal,MT)、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。本申请实施例中的终端设备可以是指向用户提供语音和/或数据连通性的设备,可以用于连接人、物和机,例如具有无线连接功能的手持式设备、车载设备等。本申请的实施例中的终端设备可以是手机(mobile phone)、平板电脑(Pad)、笔记本电脑、掌上电脑、移动互联网设备(mobile internet device,MID)、可穿戴设备,虚拟现实(virtual reality,VR)设备、增强现实(augmented reality,AR)设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端等。可选地,UE可以用于充当基站。例如,UE可以充当调度实体,其在V2X或D2D等中的UE之间提供侧行链路信号。比如,蜂窝电话和汽车利用侧行链路信号彼此通信。蜂窝电话和智能家居设备之间通信,而无需通过基站中继通信信号。
本申请实施例中的网络设备可以是用于与终端设备通信的设备,该网络设备也可以称为接入网设备或无线接入网设备,如网络设备可以是基站。本申请实施例中的网络设备可以是指将终端设备接入到无线网络的无线接入网(radio access network,RAN)节点(或设备)。基站可以广义的覆盖如下中的各种名称,或与如下名称进行替换,比如:节点B(NodeB)、演进型基站(evolved NodeB,eNB)、下一代基站(next generation NodeB,gNB)、中继站、接入点、传输点(transmitting and receiving point,TRP)、发射点(transmitting point,TP)、主站MeNB、辅站SeNB、多制式无线(MSR)节点、家庭基站、网络控制器、接入节点、无线节点、接入点(access point,AP)、传输节点、收发节点、基带单元(base band unit,BBU)、射频拉远单元(Remote Radio Unit,RRU)、有源天线单元(active antenna unit,AAU)、射频头(remote radio head,RRH)、中心单元(central unit,CU)、分布式单元(distributed unit,DU)、定位节点等。基站可以是宏基站、微基站、中继节点、施主节点或类似物,或其组合。基站还可以指用于设置于前述设备或装置内的通信模块、调制解调器或芯片。基站还可以是移动交换中心以及设备到设备D2D、车辆外联(vehicle-to-everything,V2X)、机器到机器(machine-to-machine,M2M)通信中承担基站功能的设备、6G网络中的网络侧设备、未来的通信系统中承担基站功能的设备等。基站可以支持相同或不同接入技术的网络。本申请的实施例对网络设备所采用的具体技术和具体设备形态不做限定。
基站可以是固定的,也可以是移动的。例如,直升机或无人机可以被配置成充当移动基站,一个或多个小区可以根据该移动基站的位置移动。在其他示例中,直升机或无人机可以被配置成用作与另一基站通信的设备。
在一些部署中,本申请实施例中的网络设备可以是指CU或者DU,或者,网络设备包括CU和DU。gNB还可以包括AAU。
网络设备和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、气球和卫星上。本申请实施例中对网络设备和终端设备所处的场景不做限定。
应理解,本申请中的通信设备的全部或部分功能也可以通过在硬件上运行的软件功能来实现,或者通过平台(例如云平台)上实例化的虚拟化功能来实现。
随着人工智能(artificial intelligence,AI)技术的发展,越来越多的通信过程中引入了AI模型,为了便于理解,下文以自编码器作为AI模型为例,结合图2至图5介绍自编码器在通信过程中的使用。需要说明的是,本申请实施例适用的AI模型(下文又称“第一模型”)并不局限于自编码器。
自编码器是一种将输入信号作为训练目标的神经网络,其包含的AI编码器和/或AI解码器的架构与通信系统中的很多架构天然适配。例如,AI编码器与AI解码器可分别对应无线通信系统的发射机和接收机。又例如,AI编码器与AI解码器也可以分别对应CSI反馈过程中的信道压缩模块与解压缩模块。又例如,自编码器中的AI解码器也可以单独应用于信道估计过程中,用于接收机对信道信息的恢复。下文将结合图2至图4介绍,为了简洁,在此不在赘述。
通常,在自编码器部署到通信系统之前,可以基于训练集对自编码器进行训练。例如,当自编码器仅包含AI解码器时,可以基于训练集对AI解码器进行训练。当自编码器包含AI编码器时,可以基于训练集对AI编码器进行训练。当自编码器包含AI编码器和AI解码器时,可以对AI编码器和AI解码器进行联合训练。
在一些实现方式中,由于自编码器是一种将输入信号作为训练目标的神经网络模型,因此,在通过损失函数表示自编码器的输入和输出之间的差异时,自编码器的训练目标可以理解为在损失函数最小的情况下,优化AI编码器和AI解码器的权重。
例如,一个包含AI编码器f(·)和AI解码器g(·)的自编码器表示为g(f(·))。原始信号s首先通过AI编码器f(·)编码后,AI编码器f(·)输出编码信号表示为q=f(s)。在将编码信号输入AI解码器g(·)解码,AI解码器g(·)输出的解码信号表示为s`=g(q)=g(f(s))。在联合训练阶段,可将min_
{g,f}l(s,g(f(s)))作为训练目标,对AI编码器f(·)和AI解码器g(·)进行联合训练,其中,l(·)表示损失函数。
基于AI解码器的信道估计
由于无线信道环境的复杂性和时变性,在无线通信系统(例如,上文介绍的无线通信系统)中,接收机需要基于对信道的估计结果对接收的信号进行恢复。图2是本申请实施例适用的信道估计及信号恢复的示意图。
如图2所示,在步骤S210中,发射机在时频资源上除了发射数据信号外,还会发射一系列接收机已知的导频信号,如信道状态信息参考信号(channel state information-reference signal,CSI-RS)、解调参考信号(demodulation reference signal,DMRS)等。
在步骤S211中,发射机通过信道向发射机发射上述数据信号和导频信号。
在步骤S212中,接收机接收到导频信号后可以进行信道估计。在一种可能的实现方式中,接收机可以基于预存的导频序列与接收到的导频序列,通过信道估计算法(例如,最小二乘(least squares method,LS)信道估计),估计出传输导频信号的信道的信道信息。
在步骤S213中,接收机可以根据传输导频序列的信道的信道信息,利用插值算法恢复出全时频资源上的信道信息,用于后续的信道状态信息(channel state information,CSI)反馈或数据恢复等。
基于AI解码器的信道估计旨在利用AI解码器对接收机接收的导频信号进行处理,来实现信道估计。图3示出了基于AI解码器进行信道估计的过程。参见图3,将接收机300接收的导频信号作为AI解码器310的输入,相应地,AI解码器310对输入的导频信号进行处理来输出信道信息。另外,在一些实现方式中,除了导频信号之外还可以增加其他辅助信息来提升AI解码器输出信道信息的准确性。例如,还可以对AI解码器310输入接收机300预存的导频信号的原始序列,接收机300接收导频信号的能量水平,传输导频信号时的传输时延或者传输导频信号时噪声等。
基于自编码器的CSI反馈
在无线通信系统中,主要是利用基于码本的方案来实现信道特征的提取与反馈,即在接收机进行信道估计后,根据信道估计的结果按照某种优化准则,从预先设定的预编码码本中选择与当前信道最匹配的预编码矩阵,并通过空口的反馈链路,将预编码矩阵索引(precoding matrix index,PMI)信息反馈给发射机,供发射机实现预编码。在一些实现方式中,接收机还可以将测量得出的信道质量指示(channel quality indication,CQI)反馈给发射机,供发射机实现自适应调制编码等。
图4示出了基于自编码器的CSI反馈系统。如图4所示,整个反馈系统中包含自编码器的AI编码器411及AI解码器421部分,其中,AI编码器411部署在发射机处410,AI解码器421部署在接收机 420处。发射机410将待传输的CSI通过AI编码器411进行压缩编码,得到压缩后的CSI。再将压缩后的CSI通过反馈链路反馈给接收机420,接收机420通过AI解码器421对压缩后的CSI进行解码,得到恢复后的CSI。如此,便可以在不影响CSI传输准确性的同时节约反馈CSI的通信开销。
基于AI解码器的接收机
通过在接收机设计中引入AI解码器,并利用AI解码器来实现接收机内部对信号的处理过程(例如,解调制,解压缩等),来提高接收机的性能。图5是基于AI解码器的接收机的示意图。图5所示的接收机500中,AI解码器510的输入为接收机接收的接收信号,输出为解码信号。
从上文的介绍可以看出,基于自编码器的模块化通信系统设计是通信系统发展的趋势,它可以很好地利用传统通信系统模型的先验结构,同时还可以针对自编码器中的AI编码器和/或AI解码器进行灵活地调整和训练。
在一些场景中,还可以利用AI模型进行波束管理,下文结合图6介绍基于AI模型的波束管理过程。
基于AI模型的波束管理
在传统的波束选择过程中,通常需要遍历全部接收波束和发送波束的组合方式,才能选择出合适的波束。然而,遍历全部的组合方式所需的时间较长,导致波束选择的效率较低。
举例来说,假设网络设备在FR2部署了64个不同的下行发射方向(通过最多64个同步信号和物理广播信道块(synchronization signal and physical broadcast channel block,SSB)来承载),相应地,终端设备接收时使用一个或多个天线面板来同时进行接收波束扫描,且每一个天线面板有4个接收波束。那么终端设备至少需要测量256个波束对,也即是说,需要256个资源的下行资源开销。从时间的角度说,每个SSB周期大概是20ms,需要4个SSB周期才可以完成对4个接收波束的测量。假设多个接收天线面板可以同时进行波束扫描,至少需要80ms的时间。
随着未来的大规模多入多出(multiple-in multipleout,MIMO)系统中波束数目的增加,为了匹配最优的波束对,使用基于波束扫描的波束管理方案只会带来更大的参考信号传输开销和波束扫描时延。因此,避免上述问题,在R18中提出了基于AI模型的波束管理。下文分别结合AI模型的训练过程和预测过程,介绍基于AI模型的波束管理方案。
假设AI模型用于在波束集合A中预测可用波束,相应地,在训练阶段,可以将波束集合B的波束测量结果作为AI模型训练数据,也就是说,基于波束集合B的波束测量结果对AI模型进行训练,使得AI模型可以从波束集合A中预测出可用的波束。
需要说明的是,上述波束集合B的波束测量结果可以包括层1(layer1,L1)测量量对应的测量结果,和/或,波束集合B中已选择的波束的指示信息(例如,发送波束标识、接收波束标识或者波束对标识等)。
在一些实现方式中,训练数据中还可以包括波束集合A的标签信息,标签信息用于指示波束集合A中的以下一种或多种波束:最优的发送波束、最优接收波束、最优波束对、较优的多个发送波束、较优的多个接收波束,较优的波束对等。
参见图6所示,在预测阶段,AI模型610的输入可以包括波束集合A中的波束对应的链路质量测量结果(例如,L1测量量),AI模型610输出的预测结果可以包括从波束集合A中选择的目标波束,以及目标波束对应的链路质量。
在一些实现方式中,上述目标波束可以是一个或多个波束。以目标波束为一个波束为例,目标波束可以是波束集合A中的最优波束,或较优波束。以目标波束为多个波束为例,目标波束可以是波束集合A中符合要求的多个波束,其中,符合要求可以理解为波束对应的链路质量符合要求,例如,波束对应的链路质量大于或等于阈值。
在另一些实现方式中,上述目标波束可以指一个或多个波束对,其中,每个波束对可以包括接收波束或发送波束。以目标波束为一个波束对为例,目标波束可以是波束集合A中的最优波束对或较优波束对。以目标波束为多个波束对为例,目标波束可以是波束集合A中符合要求的多个波束对,其中,符合要求可以理解为波束对对应的链路质量符合要求,例如,波束对对应的链路质量大于或等于阈值。
需要说明的是,本申请实施例中的链路质量可以通过上文介绍的一种或多种测量量确定。当然,本申请实施例中的链路质量还可以基于未来通信系统中的其他测量量确定,本申请实施例对此不作限定。
另外,上述链路质量基于一种或多种测量量确定,可以理解为,链路质量是通过对一种或多种测量量处理后得到的,当然,链路质量还可以为测量量。本申请实施例对此不作限定。
还需要说明的是,若预测结果仅指示波束对中的一个波束,该波束对中的另外波束可以通过其他方式确定,例如,可以通过传统的波束选择过程中P1~P3的某一或某些流程确定,当然,也可以通过传统的波束选择过程中U1~U3中的某一或某些流程确定,本申请实施例对此不作限定。
在一些实现方式中,上述波束集合B可以与波束集合A是不同的波束集合。在一些实现方式中,波束集合B可以是波束集合A的子集,相应地,通过对较少的波束(波束集合B中的波束)进行测量,可以实现针对较多波束(波束集合A中的波束)的预测。相比于上文介绍的基于遍历全部组合方式进行波束选择的方案而言,有助于减少执行波束选择过程的时间。当然,在本申请实施例中,上述波束集合B中的波束与波束集合A中的波束可以完全不同的波束,例如,波束集合B与波束集合A中没有交集,但是波束集合B对应的波束方向可以与波束集合A对应的波束方向相似。
在另一些实现方式中,上述波束集合B可以与波束集合A是完全相同的波束集合。
基于AI模型的定位
在蜂窝网无线定位中,网络设备和终端设备之间电磁波的直线传播称为视距(line of sight,LOS)无线传播。在一些情况下,由于建筑物或树木的阻挡造成电磁波信号无法直线传播,通常称为非视距(non line of sight,NLOS)无线传播。传统的定位算法如到达时间差(time difference of arrival,TDOA)、到达角度测距(angle-of-arrival,AOA)等都是基于LOS信道的,在NLOS占主导的环境下不再适用,而在大多数场景中,与终端设备存在LOS信道的网络设备的数量往往较少,导致传统定位算法的精度无法达到高精度定位的需求。此外,实际系统中可能还存在一些非理想因素,都会导致定位精度的降低。
因此,提出了基于AI模型的LOS/NLOS信道共存场景下的高精度定位。一些已有的研究成果表明,基于大量的信道数据,利用机器学习方法训练模型,挖掘信道响应与位置坐标之间的映射关系,可以解决LOS/NLOS信道共存场景下传统定位算法无法应用的问题,提高定位精度。
图7示出了本申请实施例适用的基于AI模型的定位方案的示意图。参见图7所示,基于AI模型710实现LOS/NLOS信道共存场景下的定位方案中,可以将信道响应作为AI模型710的输入,将位置坐标作为AI模型710的输出。通过AI模型710学习无线信道与终端设备的位置之间的内在关系,如此即使在没有有足够多LOS信道的场景下,和/或存在非理想条件影响的场景下,基于AI模型710的定位方案也可以输出较高精度的终端设备的位置坐标,有助于满足高精度定位的需求。
上文介绍了适用AI模型的几种通信过程,下文介绍本申请实施例适用的AI模型,需要说明的是,本申请实施例适用的AI模型并不限于下文介绍的几种AI模型。
神经网络
近年来,以神经网络为代表的人工智能研究在很多领域都取得了非常大的成果,其也将在未来很长一段时间内在人们的生产生活中起到重要的作用。神经网络可以理解为是一种由多个神经元节点相互连接构成的运算模型,其中节点间的连接可以表示从输入信号到输出信号的加权值,通常称为权重。每个节点对不同的输入信号进行加权求和,并通过特定的激活函数输出。
参见图8所示,神经元可以依赖于激活函数实现非线性映射,其中神经元的输入可以记为A,输入的每一维度记为a
j,对应的权重记为w
j,与求和单元(summation units,SU)一起对输入进行增强或削弱。另外,SU的输出可以输入激活函数f,得到输出t,其中,j的取值为1,2,……,n。
常见的神经网络有卷积神经网络(convolutional neural network,CNN)、循环神经网络(recurrent neural network,RNN)、深度神经网络(deep neural network,DNN)等。
下文结合图8介绍本申请实施例适用的神经网络。图8所示的神经网络按照不同层的位置划分可以分为三类:输入层810,隐藏层820和输出层830。一般来说,第一层是输入层810、最后一层是输出层830,第一层和最后一层之间的中间层都是隐藏层820。
输入层810用于输入数据,其中,输入数据例如可以是接收机接收的接收信号。隐藏层820用于对输入数据进行处理,例如,对接收信号进行解压缩处理。输出层830用于输出处理后的输出数据,例如,输出解压后的信号。
如图8所示,神经网络包括多个层,每个层包括多个神经元,层与层之间的神经元可以是全连接的,也可以是部分连接的。对于连接的神经元而言,上一层的神经元的输出可以作为下一层的神经元的输入。
随着神经网络研究的不断发展,近年来又提出了神经网络深度学习算法,在神经网络中引入较多的隐层,形成DNN,更多的隐含层让DNN更能够刻画现实世界中的复杂情形。理论上而言,参数越多的模型复杂度越高,“容量”也就越大,也就意味着它能完成更复杂的学习任务。这种神经网络模型广泛应用于模式识别、信号处理、优化组合、异常探测等方面。
CNN是一种带有卷积结构的深度神经网络,其结构如图9所示,可以包括输入层910、卷积层920、池化层930、全连接层940、以及输出层950。
每一个卷积层920可以包括很多个卷积算子,卷积算子也称为核,其作用可以看作是一个从输入信号中提取特定信息的过滤器,卷积算子本质上可以是一个权重矩阵,这个权重矩阵通常被预先定义。
这些权重矩阵中的权重值在实际应用中需要经过大量的训练得到,通过训练得到的权重值形成的 各个权重矩阵可以从输入信号中提取信息,从而帮助CNN进行正确的预测。
当CNN有多个卷积层的时候,初始的卷积层往往提取较多的一般特征,该一般特征也可以称之为低级别的特征;随着CNN深度的加深,越往后的卷积层提取到的特征越来越复杂。
池化层930,由于常常需要减少训练参数的数量,因此卷积层之后常常需要周期性的引入池化层,例如,可以是图9所示的一层卷积层后面跟一层池化层,也可以是多层卷积层后面接一层或多层池化层。在信号处理过程中,池化层的唯一目的就是减少提取的信息的空间大小。
全连接层940,在经过卷积层920、池化层930的处理后,CNN还不足以输出所需要的输出信息。因为如前所述,卷积层920、池化层930只会提取特征,并减少输入数据带来的参数。然而为了生成最终的输出信息(例如,发射端发射的原始信息的比特流),CNN还需要利用全连接层940。通常,全连接层940中可以包括多个隐含层,该多层隐含层中所包含的参数可以根据具体的任务类型的相关训练数据进行预先训练得到,例如,该任务类型可以包括对接收机接收的数据信号进行解码,又例如,该任务类型还可以包括基于接收机接收的导频信号进行信道估计。
在全连接层940中的多层隐含层之后,也就是整个CNN的最后层为输出层950,用于输出结果。通常,该输出层950设置有损失函数(例如,类似分类交叉熵的损失函数),用于计算预测误差,或者说用于评价CNN模型输出的结果(又称预测值)与理想结果(又称真实值)之间的差异程度。
为了使损失函数最小化,需要对CNN模型进行训练。在一些实现方式中,可以使用反向传播算法(backpropagation algorithm,BP)对CNN模型进行训练。BP的训练过程由正向传播过程和反向传播过程组成。在正向传播(如图9由910至950的传播为正向传播)过程中,输入数据输入CNN模型的上述各层,经过逐层处理并传向输出层。如果在输出层输出的结果与理想结果差异较大,则将上述损失函数最小化作为优化目标,转入反向传播(如图9由950至910的传播为反向传播),逐层求出优化目标对各神经元权值的偏导数,构成优化目标对权值向量的梯量,作为修改模型权重的依据,CNN的训练过程在权重修改过程中完成。当上述误差达到所期望值时,CNN的训练过程结束。
需要说明的是,如图9所示的CNN仅作为一种卷积神经网络的示例,在具体的应用中,卷积神经网络还可以以其他网络模型的形式存在,本申请实施例对此不作限定。
RNNs的目的是用来处理序列数据。在传统的神经网络模型中(例如,CNN模型中),是从输入层到隐含层再到输出层,层与层之间是全连接的,每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能无力。例如,你要预测句子的下一个单词是什么,一般需要用到前面的单词,因为一个句子中前后单词并不是独立的。RNNs之所以称为循环神经网路,即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中,即隐藏层之间的节点不再无连接而是有连接的,并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。理论上,RNNs能够对任何长度的序列数据进行处理。
对于RNN的训练和对传统的ANN(人工神经网络)训练一样。同样使用BP误差反向传播算法,不过有一点区别。如果将RNNs进行网络展开,那么参数W,U,V是共享的,而传统神经网络却不是的。并且在使用梯度下降算法中,每一步的输出不仅依赖当前步的网络,并且还以来前面若干步网络的状态。比如,在t=4时,还需要向后传递三步,已经后面的三步都需要加上各种的梯度。该学习算法称为基于时间的反向传播算法(back propagation through time,BPTT)。
既然已经有了人工神经网络和卷积神经网络,为什么还要循环神经网络?原因很简单,无论是卷积神经网络,还是人工神经网络,他们的前提假设都是:元素之间是相互独立的,输入与输出也是独立的,比如猫和狗。但现实世界中,很多元素都是相互连接的,比如股票随时间的变化,一个人说了:我喜欢旅游,其中最喜欢的地方是云南,以后有机会一定要去__。这里填空,人应该都知道是填“云南“。因为我们是根据上下文的内容推断出来的,但机会要做到这一步就相当得难了。因此,就有了现在的循环神经网络,他的本质是:像人一样拥有记忆的能力。因此,他的输出就依赖于当前的输入和记忆。
如前文介绍,随着AI技术的发展,基于AI技术的模型(例如,AI模型或ML模型)被广泛应用于各种无线通信过程中,使得无线通信过程中使用的模型的数量大大增加。在一些场景中,为了保证模型输出结果的准确性,针对不同的问题可以使用不同的模型,针对不同的执行主体可以使用不同的模型,针对不同的使用环境可以使用不同的模型,针对不同的输入数据可以使用不同的模型,针对不同的目标精度可以使用不同的模型。在另一些场景中,即使针对同样的问题也可以使用不同的模型,即使针对同样的模型,不同的执行主体也可以有不同的模型部署方案和模型优化方案。这样一来,在无线通信系统中如何指示不同的模型变成为了亟待解决的问题。
因此,针对上述问题,本申请实施例提供了一种无线通信的方法,在该方法中,第一设备可以确定用于指示模型(下文又称“第一模型”)的第一信息,有助于实现在无线通信系统中指示第一模型。
为了便于理解,下文结合图10介绍本申请实施例的无线通信的方法。图10是本申请实施例的无线 通信方法的示意性流程图。图10所述的方法包括步骤S1010。
在步骤S1010中,第一设备确定第一信息。其中,第一设备可以是终端设备也可以是网络设备,其中,网络设备例如可以是接入网设备或核心网设备,本申请实施例对此不作限定。
在一些实现方式中,第一信息可以包括第一公共标识,其中,第一公共标识与用于无线通信的第一模型关联,或者说,第一公共标识用于标识第一模型。例如,第一公共标识用于在第一范围内唯一标识第一模型,其中,第一范围例如可以包括全球、国家、区域以及机构等,本申请实施例对此不作限定。
需要说明的是,本申请实施例对确定第一信息的场景不作限定。例如,可以在第一设备使用第一模型的期间,确定第一信息。又例如,可以在第一设备更新第一模型时确定第一信息。又例如,可以在第一设备管理第一模型时确定第一信息,其中,管理第一模型例如可以包括激活第一模型和/或去激活第一模型。
在一些实现方式中,上述第一公共标识可以包含第一标识。其中,第一标识用于标识第一模型的使用范围。下文以第三标识以及第四标识为例,介绍本申请实施例中第一标识的实现方式。
在实现方式1中,第一标识可以包括用于标识一个或多个地域的第三标识,相应地,在第三标识指示的地域范围内可以使用第一模型。其中,地域例如可以包括任意地域等级,例如国家、州、省、市、县等,当然,在本申请实施例中,地域也可以不按照地域等级的划分方式划分,例如,地域可以包括国家A以及国家B的省C。本申请实施例对此不作限定。
以第一标识包括用于标识国家的第三标识为例,此时,第三标识可以称为国家标识,或者地区标识。在一些实现方式中,可以采用N比特作为国家标识,例如,国家标识可以为8bit。在另一些实现方式中,可以采用N个数作为国家标识,例如,国家标识可以采用3位十进制数表示。本申请实施例对此不作限定。
以第一标识包括用于标识区域(例如,州、省、市、县等)的第三标识为例,此时,第三标识可以称为区域标识。在一些实现方式中,可以采用M比特作为区域标识,例如,区域标识可以为8bit。在另一些实现方式中,可以采用M个数作为区域标识,例如,区域标识可以采用4位十进制数表示。本申请实施例对此不作限定。
需要说明的是,在一些实现方式中,当第三标识用于标识多个地域时,多个地域可以分别对应第一模型的不同使用范围。例如,多个地域可以包括不同的多个国家,则第三标识可以包括多个国家对应的地域标识,相应地,可以在多个国家内使用第一模型。
在另一些实现方式中,当第三标识用于标识多个地域时,多个地域可以包括域范围从大到小的多个地域,也即是说,第三标识包括地域范围从大到小的多个地域的地域标识。此时,多个地域可以联合指示一个第一模型的使用范围。例如,多个地域可以包括国家A中的省B,第三标识可以包括国家A的地域标识以及省B的地域标识,相应地,在国家A中的省B内可以使用第一模型。
另外,在本申请实施例中,一个地域可以对应一个地域标识,例如,国家A对应的国家标识可以为国家ID1。当然,一个地域也可以对应多个地域标识,例如,国家A对应的国家标识可以包括国家ID1以及国家ID2。
在实现方式2中,第一标识可以包括用于标识一个或多个机构的第四标识,因此,第四标识又可以称为机构标识。相应地,第一模型可以在第四标识对应的机构内使用。
在一些实现方式中,上述机构可以是与第一模型关联的机构,例如,上述机构可以是提供第一模型的机构。假设作为第一模型的模型A是由运营商A提供的,那么上述机构可以包括运营商A对应的机构,相应地,模型A对应的机构标识用于标识运营商A。
又例如,上述机构可以是优化第一模型的机构。假设作为第一模型的模型A是设备A优化的,那么上述机构可以包括设备A对应的机构,相应地,模型A对应的机构标识用于标识设备A。
在本申请实施例中,对机构标识的具体表示方式不作限定。在一些实现方式中,可以采用K比特作为机构标识,例如,机构标识可以为16bit。在另一些实现方式中,可以采用K个数作为机构标识,例如,机构标识可以采用6个十进制数表示。
在一些场景中,第一模型可能被不同的设备(例如,终端设备、网络设备等)优化(为了便于描述,下文将优化模型的设备简称为优化设备)。由于不同的优化设备在对第一模型进行优化时所使用的优化过程,或者优化数据不尽相同,导致优化后的模型可能仅适用于优化设备本地,或者说,在优化设备内优化后的模型输出的结果具有更高的准确率。因此,在本申请实施例中,不同优化设备优化的模型对应的机构标识可以用于标识优化设备,这样,优化后的模型可以在优化设备本地内使用,有助于提高模型输出结果的准确率。避免了优化设备与使用模型的设备不同,导致优化后的模型输出结果的准确率降低的问题。当然,在本申请实施例中,如果不考虑上述问题优化后的模型也可以在除优化设备之外的其他设备上使用。
假设设备A和设备B上分别运行的原始模型为模型A,为了提高模型A的准确性,设备A对模型A进行了优化,得到了模型A的版本A1,那么模型A的版本A1对应机构ID可以用于标识设备A。另外,为了提高模型A的准确性,设备B对模型A进行了优化,得到了模型A的版本A2,那么模型A的版本A2对应机构ID可以用于标识设备B。如此,模型A的版本A1可以在设备A内使用,模型A的版本A2可以在设备B内使用,相比于设备A优化的模型A(即版本A1)被运行在设备B,可能导致模型A的输出的准确率下降,有助于提高模型A优化后的不同版本输出结果的准确率。
在本申请实施例中,上述机构例如可以是运营商、网络设备厂商、终端设备厂商、第三方的模型提供商中的一种或多种,本申请实施例对此不作限定。
在一些场景中,与第一模型关联的机构可能包括多个,例如,多个机构对第一模型进行联合训练、优化、使用等场景。相应地,第四标识可以用于标识多个机构。
在一些实现方式中,第四标识中包括的多个机构之间不同的机构标识顺序可以用于标识不同的模型。例如,模型A对应的第四标识中包括的多个机构标识顺序为机构标识1、机构标识2以及机构标识3。模型B对应的第四标识中包括的多个机构标识顺序为机构标识2、机构标识1以及机构标识3。此时,模型A和模型B为不同的模型。当然,在本申请实施例中,第四标识中包括的多个机构之间不同的机构标识顺序可以用于标识相同的模型。
在本申请实施例中,上述第四标识用于标识多个机构时,第四标识中可以分别包含多个机构中每个机构对应的机构标识。当然,在本申请实施例中,上述第四标识用于标识多个机构时,第四标识可以包括用于标识多个机构的联合机构标识,其中,联合机构代码例如可以是通过对多个机构的机构标识进行联合编码得到的。本申请实施例对第四标识标识多个机构的具体方式不作限定。
例如,联合机构标识可以为10bit,最多可以表示1024种不同的机构组合。又例如,联合机构标识可以包括3个十进制数,最多可以表示1000种不同的机构组合。
在一些实现方式中,上述第一公共标识可以包含第二标识,其中,第二标识用于标识第一模型的模型方案,因此,第二标识又可以称为模型方案标识。
在本申请实施例中,上述第二标识可以模型的序号、模型的任务以及模型的特征属性等方面来标识模型。为了便于理解,下文分别结合第五标识、第六标识以及第七标识介绍。需要说明的是,第五标识、第六标识以及第七标识介绍可以单独使用,也可以相互结合使用,本申请实施例对此不作限定。
以第二标识包括第五标识为例,第五标识用于标识第一模型的序号,或者,第五标识用于表示第一模型的序号。
在本申请实施例中,对第五标识的具体实现形式不作限定。在一些实现方式中,第五标识可以为N1比特,例如,第五标识可以为16比特。当然,在本申请实施例中,也可以通过N1个数来表示第五标识,例如,第五标识可以包括4个十进制数。为了便于理解,下文结合表1~表2介绍本申请实施例的第五标识。
假设采用16比特来表示第五标识,参见表1所示,若第五标识为0001,可以用于标识模型1,若第五标识为0010,可以用于标识模型2,若第五标识为1001,可以用于标识模型3,若第五标识为1100,可以用于标识模型4。
表1
第五标识 | 模型方案 |
0001 | 模型1 |
0010 | 模型2 |
1001 | 模型3 |
1100 | 模型4 |
假设采用4个十进制数来表示第五标识,参见表2所示,若第五标识为0001,可以用于标识模型1。若第五标识为0002,可以用于标识模型2。若第五标识为0023,可以用于标识模型3。若第五标识为0057,可以用于标识模型4。
表2
第五标识 | 模型方案 |
0001 | 模型1 |
0010 | 模型2 |
1001 | 模型3 |
1100 | 模型4 |
以第二标识包括第六标识为例,第六标识用于标识第一模型的任务,或者,第六标识用于表示第一模型的任务。
在一些实现方式中,上述第一模型的任务可以理解为是第一模型执行的任务,因此,第六标识又可以称为“任务标识”。其中,上述任务可以包括CSI反馈增强任务、波束管理任务、定位任务、信道估计任务、编解码任务以及移动性管理任务中的一种或多种。
在本申请实施例中,对第六标识的具体实现形式不作限定。在一些实现方式中,第六标识可以为N2比特,例如,第六标识可以为8比特,最多可以表示256种不同的任务。当然,在本申请实施例中,也可以通过N2个数来表示第六标识,例如,第六标识可以包括4个十进制数。为了便于理解,下文结合表3~表4介绍本申请实施例的第六标识。
假设采用8比特来表示第六标识,参见表3所示,若第六标识为00000001,可以用于标识模型的任务为CSI反馈增强。若第六标识为00000010,可以用于标识模型的任务为波束管理。若第六标识为00000011,可以用于标识模型的任务为定位增强。若第六标识为00000100,可以用于标识模型的任务为信道估计。若第六标识为00000101,可以用于标识模型的任务为编解码。若第六标识为00000110,可以用于标识模型的任务为移动性管理。若第六标识为00100100、01010110、11001100中的任一种,则标识的模型的任务待定,也即是说,00100100、01010110、11001100可以为预留标识。
表3
第六标识 | 模型的任务 |
00000001 | CSI反馈增强 |
00000010 | 波束管理 |
00000011 | 定位增强 |
00000100 | 信道估计 |
00000101 | 编解码 |
00000110 | 移动性管理 |
00100100 | 预留 |
01010110 | 预留 |
11001100 | 预留 |
假设采用4个十进制数来表示第六标识,参见表4所示,若第六标识为0001,可以用于标识模型的任务为CSI反馈增强。若第六标识为0002,可以用于标识模型的任务为定位增强。若第六标识为0023或0057,则标识的模型的任务待定,也即是说,0023或0057可以为预留标识。
表4
第六标识 | 模型的任务 |
0001 | CSI反馈增强 |
0002 | 定位增强 |
0023 | 预留 |
0057 | 预留 |
在另一些实现方式中,上述第一模型的任务还可以包括第一模型执行的任务中的子任务,或者说,第一模型执行的任务中的功能,因此,第六标识又可以称为“功能标识”。
需要说明的是,在本申请实施例中,上述第六标识用于标识的子任务可以为一个或多个子任务。例如,若第一模型用于执行CSI反馈增强,则上述子任务可以包括CSI压缩、CSI预测、CSI预测和压缩中的一种或多种。又例如,若第一模型用于执行波束管理,则上述子任务可以包括波束选择和/或波束预测。又例如,若第一模型用于定位增强,则上述子任务可以包括直接定位和/或间接定位。
在本申请实施例中,对第六标识的具体实现形式不作限定。在一些实现方式中,第六标识可以为N2比特,例如,第六标识可以为6比特,最多可以表示64种不同的子任务。当然,在本申请实施例中,也可以通过N2个数来表示第六标识,例如,第六标识可以包括4个十进制数,最多可以表示10000种不同的子任务。为了便于理解,下文结合表5~表6介绍本申请实施例的第六标识。
假设采用6比特来表示第六标识,且第一模型用于执行CSI反馈增强,参见表5所示,若第六标识为00000001,可以用于标识模型的子任务为CSI压缩。若第六标识为00000010,可以用于标识模型的子任务为CSI预测。若第六标识为00000011,可以用于标识模型的子任务为CSI压缩以及CSI预测。若第六标识为10010011,则标识的模型的子任务待定,也即是说,10010011可以为预留标识。
表5
第六标识 | 子任务 |
00000001 | CSI压缩 |
00000010 | CSI预测 |
00100011 | CSI压缩以及CSI预测 |
10010011 | 预留 |
假设采用4个十进制数来表示第六标识,且第一模型用于执行CSI反馈增强,参见表6所示,若第六标识为0001,可以用于标识模型的子任务为CSI压缩。若第六标识为0002,可以用于标识模型的子任务为CSI预测。若第六标识为0023或0057,则标识的模型的子任务待定,也即是说,0023或0057可以为预留标识。
表6
第六标识 | 子任务 |
0001 | CSI压缩 |
0002 | CSI预测 |
0023 | 预留 |
0057 | 预留 |
以第二标识包括第七标识为例,第七标识用于标识第一模型的特征属性,或者,第七标识用于表示第一模型的特征属性。
上述第一模型的特征属性例如可以包括第一模型的模型结构、第一模型的模型平台、第一模型的接口、第一模型的性能、第一模型的训练数据、第一模型的量化方式、第一模型的复杂度以及第一模型的尺寸中的一种或多种,本申请实施例对特征属性不作具体限定,下文将结合第八标识至第十五标识分别介绍,为了简洁,在此不再赘述。
在本申请实施例中,对第七标识的具体实现形式不作限定。在一些实现方式中,第七标识可以为N3比特,例如,第七标识可以为8比特,最多可以表示256种不同的特征属性。当然,在本申请实施例中,也可以通过N3个数来表示第七标识,例如,第七标识可以包括4个十进制数。
以第七标识包括第八标识为例,第八标识与第一模型的模型结构关联。例如,第八标识用于标识第一模型的模型结构,或者,第八标识用于指示第一模型的模型结构。因此,第八标识又可以称为“模型结构标识”。
上述模型结构又称为模型类型,例如,可以包括CNN、DNN、残差网络(ResNet)、转换器(Transformer)、混合器(Mixer)、自编码器、CsiNet、EVCsiNet、EVCsiNet-T中的任一种。当然,在本申请实施例中,上述,模型类型还可以包括未来新引入的模型类型,本申请实施例对此不作限定。
在本申请实施例中,对第八标识的具体实现形式不作限定。在一些实现方式中,第八标识可以为N4比特,例如,第八标识可以为8比特,最多可以表示256种不同的模型结构。当然,在本申请实施例中,也可以通过N4个数来表示第八标识,例如,第八标识可以包括3个十进制数,最多可以表示1000种不同的模型结构。
以第七标识包括第九标识为例,第九标识与第一模型的模型平台关联。例如,第九标识用于标识第一模型的模型平台,或者,第九标识用于指示第一模型的模型平台。因此,第九标识又可以称为“模型平台标识”。
在一些实现方式中,上述模型平台可以包括TensorFlow、PyTorch、ONNX、Caffe2、MXNet、ML.NET、TensorRT、Microsoft CNTK中的任一种。当然,在本申请实施例中,上述,模型平台还可以包括未来新引入的模型平台,本申请实施例对此不作限定。
在本申请实施例中,对第九标识的具体实现形式不作限定。在一些实现方式中,第九标识可以为N5比特,例如,第九标识可以为8比特,最多可以表示256种不同的模型平台。当然,在本申请实施例中,也可以通过N5个数来表示第九标识,例如,第九标识可以包括3个十进制数,最多可以表示1000种不同的模型平台。
以第七标识包括第十标识为例,第十标识与第一模型的接口关联。在一些实现方式中,第十标识用于标识第一模型的接口,或者,第十标识用于指示第一模型的接口。因此,第十标识又可以称为“接口标识”。在另一些实现方式中,第十标识用于标识第一模型的接口格式,或者,第十标识用于指示第一模型的接口格式。
在一些实现方式中,上述第一模型的接口的格式可以包括第一模型的输入数据的大小、第一模型的输入数据的格式、第一模型的输出结果的大小、第一模型的输出结果的格式。例如,第一模型的接口的格式可以包括发送天线维度、接收天线维度、带宽维度、子带维度、空口反馈数目、对网络设备的定位信息测量数目以及对波束的测量数目中的一种或多种。
在本申请实施例中,对第十标识的具体实现形式不作限定。在一些实现方式中,第十标识可以为N6比特,例如,第十标识可以为7比特,最多可以表示128种不同的接口。当然,在本申请实施例中,也可以通过N6个数来表示第十标识,例如,第十标识可以包括2个十进制数,最多可以表示100种不同 的接口。
在一些场景中,第一模型可能支持多个接口,例如,第一模型支持的多个接口可以包括输入接口1以及输出接口1。此时,上述第十标识可以用于标识第一模型支持的多个接口。在一些实现方式中,上述第十标识可以包括多个接口中每个接口的接口标识。例如,第一模型支持接口1以及接口2,相应地,第十标识可以包括接口1的接口标识以及接口2的接口标识。当然,在本申请实施例中,上述第十标识可以包括多个接口的联合接口标识,其中,联合接口标识例如可以是通过对多个接口中每个接口的接口标识进行联合编码得到的。例如,第一模型支持接口1以及接口2,相应地,第十标识可以包括接口1以及接口2的联合接口标识。
在本申请实施例中,对联合接口标识的具体实现形式不作限定。在一些实现方式中,联合接口标识可以为N7比特,例如,第十标识可以为7比特,最多可以表示128种不同的接口组合。当然,在本申请实施例中,也可以通过N7个数来表示第十标识,例如,第十标识可以包括2个十进制数,最多可以表示100种不同的接口组合。
以第七标识包括第十一标识为例,第十一标识与第一模型的性能关联。在一些实现方式中,第十一标识用于标识第一模型的性能,或者,第十一标识用于指示第一模型的性能。因此,第十一标识又可以称为“性能标识”。
例如,上述第一模型的性能可以包括不同等级的CSI恢复精度。又例如,上述第一模型的性能可以包括不同等级的CSI预测精度。又例如,上述第一模型的性能可以包括不同等级的波束选择的准确率。又例如,上述第一模型的性能可以包括不同等级的波束预测的准确率。又例如,上述第一模型的性能可以包括不同等级的定位精度。又例如,上述第一模型的性能可以包括不同等级的信道估计精度。又例如,上述第一模型的性能可以包括第一模型带来的不同等级的系统吞吐效率。又例如,上述第一模型的性能可以包括第一模型带来的不同等级的BLER。又例如,上述第一模型的性能可以包括第一模型带来的不同等级的切换失败次数。又例如,上述第一模型的性能可以包括第一模型带来的不同等级的乒乓切换次数,本申请实施例对此不作具体限定。
在本申请实施例中,对第十一标识的具体实现形式不作限定。在一些实现方式中,第十一标识可以为N7比特,例如,第十一标识可以为4比特,最多可以表示16种不同的性能。当然,在本申请实施例中,也可以通过N7个数来表示第十一标识,例如,第十一标识可以包括1个十进制数,最多可以表示10种不同的性能。
以第七标识包括第十二标识为例,第十二标识与第一模型的训练数据关联。在一些实现方式中,第十二标识用于标识第一模型的训练数据的数据量,或者,第十二标识用于指示第一模型的训练数据的数据量。在另一些实现方式中,第十二标识用于标识第一模型的训练数据的数据类型,或者,第十二标识用于指示第一模型的训练数据的数据类型。因此,第十二标识又可以称为“训练数据标识”。
在本申请实施例中,对第十二标识的具体实现形式不作限定。在一些实现方式中,第十二标识可以为N8比特,例如,第十二标识可以为7比特,最多可以表示128种不同的训练数据。当然,在本申请实施例中,也可以通过N8个数来表示第十二标识,例如,第十二标识可以包括2个十进制数,最多可以表示100种不同的训练数据。
以第七标识包括第十三标识为例,第十三标识与第一模型的量化方式关联。在一些实现方式中,第十三标识用于标识第一模型的量化方式,或者,第十三标识用于指示第一模型的量化方式。因此,第十三标识又可以称为“量化方式标识”。在另一些实现方式中,第十三标识用于标识第一模型的解量化方式,或者,第十三标识用于指示第一模型的解量化方式。当然,在本申请实施例中,上述第十三标识还可以用于标识量化方式的开销,或者上述第十三标识还可以用于标识量化方式的精度,本申请实施例对此不作限定。
在本申请实施例中,对上述量化方式不作具体限定,例如,上述量化方式可以包括矢量量化、标量量化、均匀量化、非均匀量化、基于AI的量化中的一种或多种。当然,在本申请实施例中,上述量化方式还可以包括未来新引入的量化方式。
在本申请实施例中,对第十三标识的具体实现形式不作限定。在一些实现方式中,第十三标识可以为N9比特,例如,第十三标识可以为4比特,最多可以表示16种不同的量化方式。当然,在本申请实施例中,也可以通过N9个数来表示第十三标识,例如,第十三标识可以包括2个十进制数,最多可以表示100种不同的量化方式。
以第七标识包括第十四标识为例,第十四标识与第一模型的模型复杂度关联。在一些实现方式中,第十四标识用于标识第一模型的模型复杂度,或者,第十四标识用于指示第一模型的模型复杂度。因此,第十四标识又可以称为“模型复杂度标识”。在另一些实现方式中,第十四标识用于标识第一模型的解模型复杂度,或者,第十四标识用于指示第一模型的解模型复杂度。当然,在本申请实施例中,上述第 十四标识还可以用于标识模型复杂度的开销,或者上述第十四标识还可以用于标识模型复杂度的精度,本申请实施例对此不作限定。
在本申请实施例中,对上述模型复杂度不作具体限定,例如,上述模型复杂度可以包括矢量量化、标量量化、均匀量化、非均匀量化、基于AI的量化中的一种或多种。当然,在本申请实施例中,上述模型复杂度还可以包括未来新引入的模型复杂度。
在本申请实施例中,对第十四标识的具体实现形式不作限定。在一些实现方式中,第十四标识可以为N10比特,例如,第十四标识可以为4比特,最多可以表示16种不同的模型复杂度。当然,在本申请实施例中,也可以通过N10个数来表示第十四标识,例如,第十四标识可以包括2个十进制数,最多可以表示100种不同的模型复杂度。
以第七标识包括第十五标识为例,第十五标识与第一模型的尺寸关联。在一些实现方式中,第十五标识用于标识第一模型的尺寸。例如,第十五标识用于指示第一模型的尺寸对应的等级。因此,第十五标识又可以称为“尺寸等级标识”。
在本申请实施例中,对第十五标识的具体实现形式不作限定。在一些实现方式中,第十五标识可以为N11比特,例如,第十五标识可以为4比特,最多可以表示16种不同的尺寸。当然,在本申请实施例中,也可以通过N11个数来表示第十五标识,例如,第十五标识可以包括2个十进制数,最多可以表示100种不同的尺寸。
需要说明的是,在一些实现方式中,上文介绍的各种标识之间可以单独使用。假设模型A的使用范围为运营商A对应的使用范围内,并且其他运营商不会使用模型A,此时,模型A公共标识中可以不包含运营商A对应的机构标识,只包含用于标识模型A的序号的第五标识。
在另一些实现方式中,上文介绍的各种标识之间也可以相互结合使用。为了便于理解,下文以机构标识与任务标识相互结合为例介绍。需要说明的是,其他标识之间组合的方案与机构标识与任务标识相互结合的方案类似,为了简洁,下文不再一一列举。
例如,假设机构A需要确定模型A的公共标识,机构B需要确定模型B的公共标识,其中,模型A和模型B执行的任务相同,此时,如果仅通过任务标识作为公共标识来标识模型A和模型B,那么得到的模型A和模型B的公共标识可能是相同的,导致公共标识冲突。那么,为了公共标识可以唯一标识模型,可以使用机构标识与任务标识作为公共标识来标识模型,由于机构A与机构B分别对应不同的机构标识,因此,采用包含机构标识的公共标识,便可以唯一标识模型A和模型B。
如上文介绍,可以通过公共标识可以唯一标识模型,有助于保障在模型的使用范围内(例如,全球范围内、特定的国家内、区域内、机构范围内),可以通过公共标识来确定模型。但是,在一些场景中,在模型的使用范围内可能包括较多数量的模型,因此,如果希望通过公共标识可以唯一标识模型,以避免不同的模型对应相同公共标识的情况,公共标识通常需要占用较多的比特数,导致传输公共标识时所需的空口资源也较多。特别是当公共标识通过控制信息(例如DCI、或UCI)传输时,会导致传输控制信息的开销剧增。
另一方面,虽然在模型的使用范围内会存在较多的模型,但对于模型的使用者(例如,一个网络、一个网络设备、一个终端设备)而言,它们可以使用的模型的数量相对较少。此时,如果依然使用公共标识在模型的使用者之间指示模型,导致传输公共标识时所需的空口资源较多。
因此,为了避免上述问题,本申请实施例还提供了用于指示模型的本地标识,由于本地标识仅需要在模型使用者本地来标识模型,因此,相对于公共标识而言,本地标识需要标识的模型的数量较少,也即是说,本地标识占用的比特数相比于公共标识占用的比特数而言较少,有助于降低指示模型时所需的空口资源。当然,在本申请实施例中,本地标识占用的比特数可能大于或等于公共标识占用的比特数,本申请实施例对此不作限定。
在一些实现方式中,上述第一信息可以包括第一本地标识,其中,第一本地标识可以与第一模型关联,或者说,第一本地标识用于标识第一模型。当然,在本申请实施例中,第一本地标识可以与第一公共标识关联,这样,第一本地标识可以通过关联的第一公共标识来指示第一模型。
在本申请实施例中,对本地标识与公共标识之间的关联关系的具体实现方式不作限定,在一些实现方式,上述关联关系可以通过表格的形式表示。为了便于理解,下文结合表7介绍。
参见表7所示,用于标识模型1的公共标识为1024060120235536,该公共标识对应的本地标识为01。用于标识模型2的公共标识为3051830524947264,该公共标识对应的本地标识为02。用于标识模型3的公共标识为4633823385957274,该公共标识对应的本地标识为03。用于标识模型4的公共标识为9488472901948372,该公共标识对应的本地标识为04。
表7
模型 | 公共标识 | 本地标识 |
模型1 | 1024060120235536 | 01 |
模型2 | 3051830524947264 | 02 |
模型3 | 4633823385957274 | 03 |
模型4 | 9488472901948372 | 04 |
在一些实现方式中,第一本地标识可以包括运营商对应的本地标识;网络设备对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
以第一本地标识包括运营商对应的本地标识为例,可以理解为,公共标识到本地标识的转换可以是运营商级别的转换,也即是说,将运营商内可使用的模型的公共标识转为本地标识。
以第一本地标识包括网络设备对应的本地标识为例,可以理解为,公共标识到本地标识的转换可以是网络设备级别的转换,也即是说,将网络设备内可使用的模型的公共标识转为本地标识。
以第一本地标识包括终端设备对应的本地标识为例,可以理解为,公共标识到本地标识的转换可以是终端设备级别的转换,也即是说,将终端设备内可使用的模型的公共标识转为本地标识。
以第一本地标识包括区域对应的本地标识为例,可以理解为,公共标识到本地标识的转换可以是区域级别的转换,也即是说,将区域内可使用的模型的公共标识转为本地标识。其中,区域可以参见上文的介绍,区域例如可以包括国家、州、省、市、县等,本申请实施例对此不作限定。
在本申请实施例中,对上述关联关系的生成方式不作限定。例如,上述关联关系可以是第一设备或第二设备配置的。又例如,上述关联关系可以是预定义的,例如,可以由运营商、区域对应的关联设备、网络设备、终端设备中的一种或多种预定义的。
需要说明的是,对于不同的模型使用者(例如,第一设备和第二设备)而言,同一模型对应的本地标识可以不同。例如,对于第一设备而言,模型A的本地标识可以为本地标识1,对于第二设备而言,模型A的本地标识可以为本地标识2。当然,在本申请实施例中,对于不同的模型使用者而言,同一模型对应的本地标识可以相同。例如,对于第一设备而言,模型A的本地标识可以为本地标识1,对于第二设备而言,模型A的本地标识可以为本地标识1。
也即是说,当第一设备和第二设备不属于同一个运营商网络时,它们各自维护的本地标识和与公共标识之间的关联关系可以是相互不影响的,因此,第一设备所维护的上述关联关系与第二设备所维护的上述关联关系可以相同也可以不同。
在本申请实施例中,模型使用者之间可以通过传输第一信息来指示第一模型,例如,第一设备可以向第二设备发送第一信息。在一些场景中,若第一设备通过第一本地标识指示第一模型时,第一设备可以通过第二信息向第二设备指示第一公共标识与第一本地标识之间的关联关系,以便第二设备可以通过第一本地标识以及关联关系确定第一公共标识,再通过第一公共标识确定第一模型。
本申请实施例对第二信息不作限定,在一些实现方式中,第二信息可以通过信令传输,其中,信令例如可以包括上行控制信息(uplink control information,UCI)、下行控制信息(downlink control information,DCI)、媒体接入控制控制单元(medium access control control element,MAC CE)、无线资源控制(radio resource control,RRC)信令、RRC重配置消息、系统广播、主信息块(master information block,MIB)MIB、系统信息块(system information block,SIB)、SIB1中的一种或多种。在另一些实现方式中,第二信息可以作为数据传输,即第二信息可以通过数据信道传输,其中,数据信道例如可以包括物理下行共享信道(physical downlink shared channel,PDSCH)、物理上行共享信道(physical uplink shared channel,PUSCH)、物理侧行共享信道(physical sidelink shared channel,PSSCH)中的一种或多种。
需要说明的是,在本申请实施例中,第一信息与第二信息可以相互独立传输,或者,第一信息与第二信息也可以是一起传输,本申请实施例对此不作限定。另外,若第一信息与第二信息独立传输时,本申请实施例对第一信息以及第二信息之间传输的先后顺序不作限定,例如,第一信息可以在第二信息传输之前传输。又例如,第二信息可以在第一信息传输之前传输。
另外,在本申请实施例中,第二设备可以是终端设备或网络设备。其中,网络设备可以包括接入网设备以及核心网设备。结合上文关于第一设备的介绍可知,若第一设备以及第二设备均为终端设备时,上述信息(第一信息和/或第二信息)可以在终端设备之间传输。若第一设备以及第二设备均为网络设备时,上述信息(第一信息和/或第二信息)可以在网络设备之间传输。若第一设备为网络设备,第二设备为终端设备时,参见图11所示,上述信息(第一信息和/或第二信息)可以由网络设备发送给终端设备。若第一设备为终端设备,第二设备为网络设备时,参见图12所示,上述信息(第一信息和/或第二信息)可以由终端设备发送给网络设备。
在本申请实施例中,对传输上述信息的场景不作限定。在一些实现方式中,可以在第一模型的使用期间传输上述信息。又例如,可以在第一模型的更新时传输上述信息。又例如,可以在管理第一模型时传输上述信息,其中,管理第一模型例如可以包括激活第一模型和/或去激活第一模型。
例如,网络设备可以本地使用第一模型,并通过本地标识关联第一模型。之后,在第一模型的使用期间、管理期间、更新期间,网络设备可以通过第一模型的本地标识向终端设备指示第一模型。
需要说明的是,在上述场景下,对于网络设备而言,可以维护第一模型的本地标识与公共标识的关联关系。对于终端设备而言,终端设备可以不获知上述关联关系,或者说,该关联关系空口可以不可见。当然,在本申请实施例中,终端设备也可以获知上述关联关系。
又例如,终端设备可以本地使用第一模型,并通过本地标识关联第一模型。之后,在第一模型的使用期间、管理期间、更新期间,终端设备可以通过第一模型的本地标识向网络设备指示第一模型。
需要说明的是,在上述场景下,对于终端设备而言,可以维护第一模型的本地标识与公共标识的关联关系。对于网络设备而言,网络设备可以不获知上述关联关系,或者说,该关联关系空口可以不可见。当然,在本申请实施例中,网络设备也可以获知上述关联关系。
又例如,若网络设备希望将第一模型传递给终端设备使用,此时,网络设备可以通过本地标识关联第一模型。继而网络设备可以通过第一模型关联的本地标识向终端设备指示第一模型。
需要说明的是,在上述场景下,对于网络设备而言,可以维护第一模型的本地标识与公共标识的关联关系。对于终端设备而言,终端设备可以不获知上述关联关系,或者说,该关联关系空口可以不可见。当然,在本申请实施例中,终端设备也可以获知上述关联关系。
又例如,若终端设备希望将第一模型传递给网络设备使用,此时,终端设备可以通过本地标识关联第一模型。继而终端设备可以通过第一模型关联的本地标识向网络设备指示第一模型。
需要说明的是,在上述场景下,对于网络设备而言,可以维护第一模型的本地标识与公共标识的关联关系。对于终端设备而言,终端设备可以不获知上述关联关系,或者说,该关联关系空口可以不可见。当然,在本申请实施例中,终端设备也可以获知上述关联关系。
又例如,网络设备可以通过本地标识直接指示终端设备第一模型,相应地,终端设备可以基于本地标识确认第一模型,并下载第一模型。
需要说明的是,在上述场景下,对于终端设备而言,终端设备需要下载第一模型,因此,终端设备需要基于本地标识与公共标识之间的关联关系以及第一模型的本地标识,来确定第一模型的公共标识,并基于第一模型的公共标识下载第一模型,此时,该关联关系空口可见。当然,在本申请实施例中,若终端设备可以仅通过本地标识确定第一模型,上述关联关系终端设备可以不获知。
又例如,终端设备可以通过本地标识直接指示网络设备第一模型,相应地,网络设备可以基于本地标识确认第一模型,并下载第一模型。
需要说明的是,在上述场景下,对于网络设备而言,网络设备需要下载第一模型,因此,网络设备需要基于本地标识与公共标识之间的关联关系以及第一模型的本地标识,来确定第一模型的公共标识,并基于第一模型的公共标识下载第一模型,此时,该关联关系空口可见。当然,在本申请实施例中,若网络设备可以仅通过本地标识确定第一模型,上述关联关系网络设备可以不获知。
另外,在一些实现方式中,响应于接收第一信息,第二设备(例如,终端设备或网络设备)可以下载第一模型。其中,下载可以包括在线下载或离线下载。本申请实施例对此不作限定。
如上文介绍,本申请实施例中可能会涉及以下关联关系中的一种或多种:本地标识与模型之间的关联关系,本地标识与公共标识的关联关系,以及公共标识与模型之间的关联关系。在一些场景中,上述关联关系可能需要变更,或者说,上述关联关系可能需要更改。因此,为了统一第一设备、第二设备对上述关联关系的理解,第一设备可以通过第三信息,向第二设备指示上述关联关系的变更。
也即是说,在一些实现方式中,上述方法还包括:第一设备向第二设备发送第三信息,第三信息用于指示以下中的一种或多种:第一本地标识与第一模型之间的关联关系的变更;第一本地标识与第一公共标识的关联关系的变更;以及第一公共标识与第一模型之间的关联关系的变更。
需要说明的是,在本申请实施例中,上述关联关系的变更可以包括关联关系的增加、关联关系的删除以及关联关系的更新中的一种或多种,本申请实施例对此不作限定。
在一些实现方式中,以关联关系包括本地标识与模型之间的关联关系为例,上述关联关系的变更可以包括一个或者一组模型的对应的本地ID更改。例如,可以将一个或者一组模型对应的本地标识由本地标识1更改为本地标识2。
在一些实现方式中,以关联关系包括公共标识与本地标识之间的关联关系为例,上述关联关系的变更可以包括一个或者一组模型的对应的公共标识更改。例如,可以将一个或者一组本地标识所对应的公共标识由公共标识1更改为公共标识2。
在一些实现方式中,以关联关系包括公共标识与本地标识之间的关联关系为例,上述关联关系的变更可以包括一个或者一组本地标识对应的模型做更改。例如,可以将一个或者一组本地标识所对应的模型由模型1更改为模型2。
需要说明的是,本申请实施例对第三信息不作限定。在一些实现方式中,第三信息可以通过信令传输,其中,信令例如可以包括UCI、DCI、MAC CE、RRC信令、RRC重配置消息、系统广播、MIB、SIB1、SIB中的一种或多种。在另一些实现方式中,第三信息可以作为数据传输,即第三信息可以通过数据信道传输,其中,数据信道例如可以包括PDSCH、PUSCH、PSSCH中的一种或多种。
在一些场景中,可能需要对模型关联的标识(例如,公共标识和/或本地标识)进行删除。因此,为了统一第一设备、第二设备对上述标识的理解,第一设备可以通过第四信息,向第二设备指示上述标识的删除。
也即是说,上述方法还包括第一设备向第二设备发送第四信息,第四信息用于指示以下中的一种或多种:第一本地标识的删除;以及第一公共标识的删除。
需要说明的是,在本申请实施例中,被删除的标识对应的模型可以不再被第二设备使用。当然,在本申请实施例中,被删除的标识对应的模型也可以不再被第一设备使用,又或者,被删除的标识对应的模型会被第一设备使用。本申请实施例对此不作限定。
例如,第一设备可以向第二设备发送第四信息,第四信息用于指示将一个或者一组本地标识删除,相应地,第二设备删除一个或者一组本地标识之后,一个或者一组本地标识关联的模型不再被第二设备使用。
又例如,第一设备可以向第二设备发送第四信息,第四信息用于指示将一个或者一组公共标识删除,相应地,第二设备删除一个或者一组公共标识之后,一个或者一组公共标识关联的模型不再被第一设备以及第二设备使用。
需要说明的是,本申请实施例对第四信息不作限定。在一些实现方式中,第四信息可以通过信令传输,其中,信令例如可以包括UCI、DCI、MAC CE、RRC信令、RRC重配置消息、系统广播、MIB、SIB1、SIB中的一种或多种。在另一些实现方式中,第四信息可以作为数据传输,即第四信息可以通过数据信道传输,其中,数据信道例如可以包括PDSCH、PUSCH、PSSCH中的一种或多种。
在一些场景中,可能需要对模型关联的标识(例如,公共标识和/或本地标识)进行新增。因此,为了统一第一设备、第二设备对上述标识的理解,第一设备可以通过第五信息,向第二设备指示上述标识的新增。
也即是说,上述方法还包括第一设备向第二设备发送第五信息,第五信息用于指示以下中的一种或多种:第一本地标识的新增;以及第一公共标识的新增。
需要说明的是,在本申请实施例中,新增的标识对应的模型可以被第二设备使用。当然,在本申请实施例中,新增的标识对应的模型也可以被第一设备使用,本申请实施例对此不作限定。
例如,第一设备可以向第二设备发送第五信息,第五信息用于指示新增一个或者一组本地标识,以及新增的一个或者一组本地标识关联的模型,相应地,第二设备存储新增的一个或者一组本地标识与模型之间的关联关系。
又例如,第一设备可以向第二设备发送第五信息,第五信息用于指示新增一个或者一组本地标识,以及新增的一个或者一组本地标识关联的公共标识,相应地,第二设备存储新增的一个或者一组本地标识与公共标识之间的关联关系。
又例如,第一设备可以向第二设备发送第五信息,第五信息用于指示将一个或者一组公共标识新增,以及新增的一个或者一组公共标识关联的模型,相应地,第二设备存储新增的一个或者一组公共标识与模型之间的关联关系。
又例如,第一设备可以向第二设备发送第五信息,第五信息用于指示将一个或者一组公共标识新增,以及新增的一个或者一组公共标识关联的本地标识,相应地,第二设备存储新增的一个或者一组公共标识与本地标识之间的关联关系。
需要说明的是,本申请实施例对第五信息不作限定。在一些实现方式中,第五信息可以通过信令传输,其中,信令例如可以包括UCI、DCI、MAC CE、RRC信令、RRC重配置消息、系统广播、MIB、SIB1、SIB中的一种或多种。在另一些实现方式中,第五信息可以作为数据传输,即第五信息可以通过数据信道传输,其中,数据信道例如可以包括PDSCH、PUSCH、PSSCH中的一种或多种。
上文结合图1至图12,详细描述了本申请的方法实施例,下面结合图13至图15,详细描述本申请的装置实施例。应理解,方法实施例的描述与装置实施例的描述相互对应,因此,未详细描述的部分可以参见前面方法实施例。
图13是本申请实施例的通信设备的示意图,图13所示的通信设备1300为第一设备。图13所示的通信设备1300包括确定单元1310。
确定单元1310,用于确定第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
在一些实现方式中,所述第一公共标识包含以下中的一种或多种:第一标识,用于标识所述第一模型的使用范围;以及第二标识,用于标识所述第一模型的模型方案。
在一些实现方式中,所述第一标识包括以下中的一种或多种:第三标识,用于标识一个或多个地域;以及第四标识,用于标识一个或多个机构。
在一些实现方式中,所述第三标识包括地域范围从大到小的多个地域的地域标识。
在一些实现方式中,所述第四标识用于标识以下机构中的一种或多种:提供所述第一模型的机构;以及优化所述第一模型的机构。
在一些实现方式中,所述第二标识包括以下中的一种或多种:第五标识,用于标识所述第一模型的序号;第六标识,用于标识所述第一模型的任务;以及第七标识,用于标识所述第一模型的特征属性。
在一些实现方式中,所述第七标识包括以下标识中的一种或多种:第八标识,与所述第一模型的模型结构关联;第九标识,与所述第一模型的模型平台关联;第十标识,与所述第一模型的接口关联;第十一标识,与所述第一模型的性能关联;第十二标识,与所述第一模型的训练数据关联;第十三标识,与所述第一模型的量化方式关联;第十四标识,与所述第一模型的模型复杂度关联;以及第十五标识,与所述第一模型的尺寸关联。
在一些实现方式中,所述第一公共标识用于在第一范围内唯一标识所述第一模型。
在一些实现方式中,所述第一范围包括以下中的一种:全球、国家、区域以及机构。
在一些实现方式中,所述第一本地标识所占的比特数小于所述第一公共标识所占的比特数。
在一些实现方式中,所述设备还包括:第一发送单元,用于向第二设备发送所述第一信息。
在一些实现方式中,所述设备还包括:第二发送单元,用于向第二设备发送第二信息,所述第二信息用于指示所述第一公共标识与所述第一本地标识之间的关联关系。
在一些实现方式中,所述设备还包括:第三发送单元,用于向第二设备发送第三信息,所述第三信息用于指示以下中的一种或多种:所述第一本地标识与所述第一模型之间的关联关系的变更;所述第一本地标识与所述第一公共标识的关联关系的变更;以及所述第一公共标识与所述第一模型之间的关联关系的变更。
在一些实现方式中,所述设备还包括:第四发送单元,用于向第二设备发送第四信息,所述第四信息用于指示以下中的一种或多种:所述第一本地标识的删除;以及所述第一公共标识的删除。
在一些实现方式中,所述设备还包括:第五发送单元,用于向第二设备发送第五信息,所述第五信息用于指示以下中的一种或多种:所述第一本地标识的新增;所述第一公共标识的新增。
在一些实现方式中,所述第一本地标识与所述第一公共标识之间的关联关系由所述第一设备或所述第二设备配置。
在一些实现方式中,所述第一本地标识包括以下中的一种或多种:运营商对应的本地标识;基站对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
在一些实现方式中,所述第一设备和所述第二设备满足以下中的一种:所述第一设备为终端设备,所述第二设备为基站;所述第一设备为基站,所述第二设备为终端设备;所述第一设备为终端设备,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为终端设备;所述第一设备为基站,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为基站;所述第一设备和所述第二设备均为终端设备;所述第一设备和所述第二设备均为基站;以及所述第一设备和所述第二设备均为核心网设备。
图14是本申请实施例的通信设备的示意图,图14所示的通信设备1400为第二设备,通信设备1400可以包括接收单元1410。
接收单元1410,用于接收第一设备发送的第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
在一些实现方式中,所述第一公共标识包含以下中的一种或多种:第一标识,用于标识所述第一模型的使用范围;以及第二标识,用于标识所述第一模型的模型方案。
在一些实现方式中,所述第一标识包括以下中的一种或多种:第三标识,用于标识一个或多个地域;以及第四标识,用于标识一个或多个机构。
在一些实现方式中,所述第三标识包括地域范围从大到小的多个地域的地域标识。
在一些实现方式中,所述第四标识用于标识以下机构中的一种或多种:提供所述第一模型的机构;以及优化所述第一模型的机构。
在一些实现方式中,所述第二标识包括以下中的一种或多种:第五标识,用于标识所述第一模型的序号;第六标识,用于标识所述第一模型的任务;以及第七标识,用于标识所述第一模型的特征属性。
在一些实现方式中,所述第七标识包括以下标识中的一种或多种:第八标识,与所述第一模型的模型结构关联;第九标识,与所述第一模型的模型平台关联;第十标识,与所述第一模型的接口关联;第十一标识,与所述第一模型的性能关联;第十二标识,与所述第一模型的训练数据关联;第十三标识,与所述第一模型的量化方式关联;第十四标识,与所述第一模型的模型复杂度关联;以及第十五标识,与所述第一模型的尺寸关联。
在一些实现方式中,所述第一公共标识用于在第一范围内唯一标识所述第一模型。
在一些实现方式中,所述第一范围包括以下中的一种:全球、国家、区域以及机构。
在一些实现方式中,所述第一本地标识所占的比特数小于所述第一公共标识所占的比特数。
在一些实现方式中,所述接收单元,用于接收所述第一设备发送的第二信息,所述第二信息用于指示所述第一公共标识与所述第一本地标识之间的关联关系。
在一些实现方式中,所述接收单元,用于接收所述第一设备发送第三信息,所述第三信息用于指示以下中的一种或多种:所述第一本地标识与所述第一模型之间的关联关系的变更;所述第一本地标识与所述第一公共标识的关联关系的变更;以及所述第一公共标识与所述第一模型之间的关联关系的变更。
在一些实现方式中,所述接收单元,用于接收所述第一设备发送的第四信息,所述第四信息用于指示以下中的一种或多种:所述第一本地标识的删除;以及所述第一公共标识的删除。
在一些实现方式中,所述接收单元,用于接收所述第一设备发送的第五信息,所述第五信息用于指示以下中的一种或多种:所述第一本地标识的新增;所述第一公共标识的新增。
在一些实现方式中,所述第一本地标识与所述第一公共标识之间的关联关系由所述第一设备或所述第二设备配置。
在一些实现方式中,所述第一本地标识包括以下中的一种或多种:运营商对应的本地标识;基站对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
在一些实现方式中,所述第一设备和所述第二设备满足以下中的一种:所述第一设备为终端设备,所述第二设备为基站;所述第一设备为基站,所述第二设备为终端设备;所述第一设备为终端设备,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为终端设备;所述第一设备为基站,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为基站;所述第一设备和所述第二设备均为终端设备;所述第一设备和所述第二设备均为基站;以及所述第一设备和所述第二设备均为核心网设备。
图15是本申请实施例的装置的示意性结构图。图15中的虚线表示该单元或模块为可选的。该装置1500可用于实现上述方法实施例中描述的方法。装置1500可以是芯片或终端设备。
装置1500可以包括一个或多个处理器1510。该处理器1510可支持装置1500实现前文方法实施例所描述的方法。该处理器1510可以是通用处理器或者专用处理器。例如,该处理器可以为中央处理单元(central processing unit,CPU)。或者,该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
装置1500还可以包括一个或多个存储器1520。存储器1520上存储有程序,该程序可以被处理器1510执行,使得处理器1510执行前文方法实施例所描述的方法。存储器1520可以独立于处理器1510也可以集成在处理器1510中。
装置1500还可以包括收发器1530。处理器1510可以通过收发器1530与其他设备或芯片进行通信。例如,处理器1510可以通过收发器1530与其他设备或芯片进行数据收发。
本申请实施例还提供一种计算机可读存储介质,用于存储程序。该计算机可读存储介质可应用于本申请实施例提供的终端设备中,并且该程序使得计算机执行本申请各个实施例中的由终端设备执行的方法。
本申请实施例还提供一种计算机程序产品。该计算机程序产品包括程序。该计算机程序产品可应用于本申请实施例提供的终端设备中,并且该程序使得计算机执行本申请各个实施例中的由终端设备执行的方法。
本申请实施例还提供一种计算机程序。该计算机程序可应用于本申请实施例提供的终端设备中,并且该计算机程序使得计算机执行本申请各个实施例中的由终端设备执行的方法。
应理解,本申请中术语“系统”和“网络”可以被可互换使用。另外,本申请使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。
在本申请的实施例中,提到的“指示”可以是直接指示,也可以是间接指示,还可以是表示具有关联关系。举例说明,A指示B,可以表示A直接指示B,例如B可以通过A获取;也可以表示A间接指示B,例如A指示C,B可以通过C获取;还可以表示A和B之间具有关联关系。
在本申请实施例中,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
在本申请实施例中,术语“对应”可表示两者之间具有直接对应或间接对应的关系,也可以表示两者之间具有关联关系,也可以是指示与被指示、配置与被配置等关系。
本申请实施例中,“预定义”或“预配置”可以通过在设备(例如,包括终端设备和网络设备)中预先保存相应的代码、表格或其他可用于指示相关信息的方式来实现,本申请对于其具体的实现方式不做限定。比如预定义可以是指协议中定义的。
本申请实施例中,所述“协议”可以指通信领域的标准协议,例如可以包括LTE协议、NR协议以及应用于未来的通信系统中的相关协议,本申请对此不做限定。
本申请实施例中术语“和/或”,仅仅是一种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这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本申请的各种实施例中,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,而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
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指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照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、或者其他可编程装置。所述计算机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(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)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读取的任何可用介质或者是包含一个或多个可用介质集成的服务器、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)、光介质(例如,数字通用光盘(digital video disc,DVD))或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (76)
- 一种无线通信的方法,其特征在于,包括:第一设备确定第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
- 根据权利要求1所述的方法,其特征在于,所述第一公共标识包含以下中的一种或多种:第一标识,用于标识所述第一模型的使用范围;以及第二标识,用于标识所述第一模型的模型方案。
- 根据权利要求2所述的方法,其特征在于,所述第一标识包括以下中的一种或多种:第三标识,用于标识一个或多个地域;以及第四标识,用于标识一个或多个机构。
- 根据权利要求3所述的方法,其特征在于,所述第三标识包括地域范围从大到小的多个地域的地域标识。
- 根据权利要求3或4所述的方法,其特征在于,所述第四标识用于标识以下机构中的一种或多种:提供所述第一模型的机构;以及优化所述第一模型的机构。
- 根据权利要求2-5中任一项所述的方法,其特征在于,所述第二标识包括以下中的一种或多种:第五标识,用于标识所述第一模型的序号;第六标识,用于标识所述第一模型的任务;以及第七标识,用于标识所述第一模型的特征属性。
- 根据权利要求6所述的方法,其特征在于,所述第七标识包括以下标识中的一种或多种:第八标识,与所述第一模型的模型结构关联;第九标识,与所述第一模型的模型平台关联;第十标识,与所述第一模型的接口关联;第十一标识,与所述第一模型的性能关联;第十二标识,与所述第一模型的训练数据关联;第十三标识,与所述第一模型的量化方式关联;第十四标识,与所述第一模型的模型复杂度关联;以及第十五标识,与所述第一模型的尺寸关联。
- 根据权利要求1-7中任一项所述的方法,其特征在于,所述第一公共标识用于在第一范围内唯一标识所述第一模型。
- 根据权利要求8所述的方法,其特征在于,所述第一范围包括以下中的一种:全球、国家、区域以及机构。
- 根据权利要求1-9中任一项所述的方法,其特征在于,所述第一本地标识所占的比特数小于所述第一公共标识所占的比特数。
- 根据权利要求1-10中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备向第二设备发送所述第一信息。
- 根据权利要求1-11中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备向第二设备发送第二信息,所述第二信息用于指示所述第一公共标识与所述第一本地标识之间的关联关系。
- 根据权利要求1-12中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备向第二设备发送第三信息,所述第三信息用于指示以下中的一种或多种:所述第一本地标识与所述第一模型之间的关联关系的变更;所述第一本地标识与所述第一公共标识的关联关系的变更;以及所述第一公共标识与所述第一模型之间的关联关系的变更。
- 根据权利要求1-12中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备向第二设备发送第四信息,所述第四信息用于指示以下中的一种或多种:所述第一本地标识的删除;以及所述第一公共标识的删除。
- 根据权利要求1-12中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备向第二设备发送第五信息,所述第五信息用于指示以下中的一种或多种:所述第一本地标识的新增;所述第一公共标识的新增。
- 根据权利要求1-15中任一项所述的方法,其特征在于,所述第一本地标识与所述第一公共标识之间的关联关系由所述第一设备或所述第二设备配置。
- 根据权利要求1-16中任一项所述的方法,其特征在于,所述第一本地标识包括以下中的一种或多种:运营商对应的本地标识;基站对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
- 根据权利要求1-17中任一项所述的方法,其特征在于,所述第一设备和所述第二设备满足以下中的一种:所述第一设备为终端设备,所述第二设备为基站;所述第一设备为基站,所述第二设备为终端设备;所述第一设备为终端设备,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为终端设备;所述第一设备为基站,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为基站;所述第一设备和所述第二设备均为终端设备;所述第一设备和所述第二设备均为基站;以及所述第一设备和所述第二设备均为核心网设备。
- 一种无线通信的方法,其特征在于,包括:第二设备接收第一设备发送的第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
- 根据权利要求19所述的方法,其特征在于,所述第一公共标识包含以下中的一种或多种:第一标识,用于标识所述第一模型的使用范围;以及第二标识,用于标识所述第一模型的模型方案。
- 根据权利要求20所述的方法,其特征在于,所述第一标识包括以下中的一种或多种:第三标识,用于标识一个或多个地域;以及第四标识,用于标识一个或多个机构。
- 根据权利要求21所述的方法,其特征在于,所述第三标识包括地域范围从大到小的多个地域的地域标识。
- 根据权利要求21或22所述的方法,其特征在于,所述第四标识用于标识以下机构中的一种或多种:提供所述第一模型的机构;以及优化所述第一模型的机构。
- 根据权利要求20-23中任一项所述的方法,其特征在于,所述第二标识包括以下中的一种或多种:第五标识,用于标识所述第一模型的序号;第六标识,用于标识所述第一模型的任务;以及第七标识,用于标识所述第一模型的特征属性。
- 根据权利要求24所述的方法,其特征在于,所述第七标识包括以下标识中的一种或多种:第八标识,与所述第一模型的模型结构关联;第九标识,与所述第一模型的模型平台关联;第十标识,与所述第一模型的接口关联;第十一标识,与所述第一模型的性能关联;第十二标识,与所述第一模型的训练数据关联;第十三标识,与所述第一模型的量化方式关联;第十四标识,与所述第一模型的模型复杂度关联;以及第十五标识,与所述第一模型的尺寸关联。
- 根据权利要求19-25中任一项所述的方法,其特征在于,所述第一公共标识用于在第一范围内唯一标识所述第一模型。
- 根据权利要求26所述的方法,其特征在于,所述第一范围包括以下中的一种:全球、国家、区域以及机构。
- 根据权利要求19-27中任一项所述的方法,其特征在于,所述第一本地标识所占的比特数小于所述第一公共标识所占的比特数。
- 根据权利要求19-28中任一项所述的方法,其特征在于,所述方法还包括:所述第二设备接收所述第一设备发送的第二信息,所述第二信息用于指示所述第一公共标识与所述第一本地标识之间的关联关系。
- 根据权利要求19-29中任一项所述的方法,其特征在于,所述方法还包括:所述第二设备接收所述第一设备发送第三信息,所述第三信息用于指示以下中的一种或多种:所述第一本地标识与所述第一模型之间的关联关系的变更;所述第一本地标识与所述第一公共标识的关联关系的变更;以及所述第一公共标识与所述第一模型之间的关联关系的变更。
- 根据权利要求19-29中任一项所述的方法,其特征在于,所述方法还包括:所述第二设备接收所述第一设备发送的第四信息,所述第四信息用于指示以下中的一种或多种:所述第一本地标识的删除;以及所述第一公共标识的删除。
- 根据权利要求19-29中任一项所述的方法,其特征在于,所述方法还包括:所述第二设备接收所述第一设备发送的第五信息,所述第五信息用于指示以下中的一种或多种:所述第一本地标识的新增;所述第一公共标识的新增。
- 根据权利要求19-32中任一项所述的方法,其特征在于,所述第一本地标识与所述第一公共标识之间的关联关系由所述第一设备或所述第二设备配置。
- 根据权利要求19-33中任一项所述的方法,其特征在于,所述第一本地标识包括以下中的一种或多种:运营商对应的本地标识;基站对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
- 根据权利要求19-34中任一项所述的方法,其特征在于,所述第一设备和所述第二设备满足以下中的一种:所述第一设备为终端设备,所述第二设备为基站;所述第一设备为基站,所述第二设备为终端设备;所述第一设备为终端设备,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为终端设备;所述第一设备为基站,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为基站;所述第一设备和所述第二设备均为终端设备;所述第一设备和所述第二设备均为基站;以及所述第一设备和所述第二设备均为核心网设备。
- 一种通信设备,其特征在于,所述通信设备为第一设备,包括:确定单元,用于确定第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
- 根据权利要求36所述的设备,其特征在于,所述第一公共标识包含以下中的一种或多种:第一标识,用于标识所述第一模型的使用范围;以及第二标识,用于标识所述第一模型的模型方案。
- 根据权利要求37所述的设备,其特征在于,所述第一标识包括以下中的一种或多种:第三标识,用于标识一个或多个地域;以及第四标识,用于标识一个或多个机构。
- 根据权利要求38所述的设备,其特征在于,所述第三标识包括地域范围从大到小的多个地域 的地域标识。
- 根据权利要求38或39所述的设备,其特征在于,所述第四标识用于标识以下机构中的一种或多种:提供所述第一模型的机构;以及优化所述第一模型的机构。
- 根据权利要求37-40中任一项所述的设备,其特征在于,所述第二标识包括以下中的一种或多种:第五标识,用于标识所述第一模型的序号;第六标识,用于标识所述第一模型的任务;以及第七标识,用于标识所述第一模型的特征属性。
- 根据权利要求41所述的设备,其特征在于,所述第七标识包括以下标识中的一种或多种:第八标识,与所述第一模型的模型结构关联;第九标识,与所述第一模型的模型平台关联;第十标识,与所述第一模型的接口关联;第十一标识,与所述第一模型的性能关联;第十二标识,与所述第一模型的训练数据关联;第十三标识,与所述第一模型的量化方式关联;第十四标识,与所述第一模型的模型复杂度关联;以及第十五标识,与所述第一模型的尺寸关联。
- 根据权利要求36-42中任一项所述的设备,其特征在于,所述第一公共标识用于在第一范围内唯一标识所述第一模型。
- 根据权利要求8所述的设备,其特征在于,所述第一范围包括以下中的一种:全球、国家、区域以及机构。
- 根据权利要求36-44中任一项所述的设备,其特征在于,所述第一本地标识所占的比特数小于所述第一公共标识所占的比特数。
- 根据权利要求36-45中任一项所述的设备,其特征在于,所述设备还包括:第一发送单元,用于向第二设备发送所述第一信息。
- 根据权利要求36-46中任一项所述的设备,其特征在于,所述设备还包括:第二发送单元,用于向第二设备发送第二信息,所述第二信息用于指示所述第一公共标识与所述第一本地标识之间的关联关系。
- 根据权利要求36-47中任一项所述的设备,其特征在于,所述设备还包括:第三发送单元,用于向第二设备发送第三信息,所述第三信息用于指示以下中的一种或多种:所述第一本地标识与所述第一模型之间的关联关系的变更;所述第一本地标识与所述第一公共标识的关联关系的变更;以及所述第一公共标识与所述第一模型之间的关联关系的变更。
- 根据权利要求36-47中任一项所述的设备,其特征在于,所述设备还包括:第四发送单元,用于向第二设备发送第四信息,所述第四信息用于指示以下中的一种或多种:所述第一本地标识的删除;以及所述第一公共标识的删除。
- 根据权利要求36-47中任一项所述的设备,其特征在于,所述设备还包括:第五发送单元,用于向第二设备发送第五信息,所述第五信息用于指示以下中的一种或多种:所述第一本地标识的新增;所述第一公共标识的新增。
- 根据权利要求36-50中任一项所述的设备,其特征在于,所述第一本地标识与所述第一公共标识之间的关联关系由所述第一设备或所述第二设备配置。
- 根据权利要求36-51中任一项所述的设备,其特征在于,所述第一本地标识包括以下中的一种或多种:运营商对应的本地标识;基站对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
- 根据权利要求36-52中任一项所述的设备,其特征在于,所述第一设备和所述第二设备满足以 下中的一种:所述第一设备为终端设备,所述第二设备为基站;所述第一设备为基站,所述第二设备为终端设备;所述第一设备为终端设备,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为终端设备;所述第一设备为基站,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为基站;所述第一设备和所述第二设备均为终端设备;所述第一设备和所述第二设备均为基站;以及所述第一设备和所述第二设备均为核心网设备。
- 一种通信设备,其特征在于,所述通信设备为第二设备,包括:接收单元,用于接收第一设备发送的第一信息,所述第一信息包含以下中的一种或多种:第一公共标识,与用于无线通信的第一模型关联;第一本地标识,与所述第一模型和/或所述第一公共标识关联。
- 根据权利要求54所述的设备,其特征在于,所述第一公共标识包含以下中的一种或多种:第一标识,用于标识所述第一模型的使用范围;以及第二标识,用于标识所述第一模型的模型方案。
- 根据权利要求55所述的设备,其特征在于,所述第一标识包括以下中的一种或多种:第三标识,用于标识一个或多个地域;以及第四标识,用于标识一个或多个机构。
- 根据权利要求56所述的设备,其特征在于,所述第三标识包括地域范围从大到小的多个地域的地域标识。
- 根据权利要求56或57所述的设备,其特征在于,所述第四标识用于标识以下机构中的一种或多种:提供所述第一模型的机构;以及优化所述第一模型的机构。
- 根据权利要求55-58中任一项所述的设备,其特征在于,所述第二标识包括以下中的一种或多种:第五标识,用于标识所述第一模型的序号;第六标识,用于标识所述第一模型的任务;以及第七标识,用于标识所述第一模型的特征属性。
- 根据权利要求59所述的设备,其特征在于,所述第七标识包括以下标识中的一种或多种:第八标识,与所述第一模型的模型结构关联;第九标识,与所述第一模型的模型平台关联;第十标识,与所述第一模型的接口关联;第十一标识,与所述第一模型的性能关联;第十二标识,与所述第一模型的训练数据关联;第十三标识,与所述第一模型的量化方式关联;第十四标识,与所述第一模型的模型复杂度关联;以及第十五标识,与所述第一模型的尺寸关联。
- 根据权利要求54-60中任一项所述的设备,其特征在于,所述第一公共标识用于在第一范围内唯一标识所述第一模型。
- 根据权利要求61所述的设备,其特征在于,所述第一范围包括以下中的一种:全球、国家、区域以及机构。
- 根据权利要求54-62中任一项所述的设备,其特征在于,所述第一本地标识所占的比特数小于所述第一公共标识所占的比特数。
- 根据权利要求54-63中任一项所述的设备,其特征在于,所述接收单元,用于接收所述第一设备发送的第二信息,所述第二信息用于指示所述第一公共标识与所述第一本地标识之间的关联关系。
- 根据权利要求54-64中任一项所述的设备,其特征在于,所述接收单元,用于接收所述第一设备发送第三信息,所述第三信息用于指示以下中的一种或多种:所述第一本地标识与所述第一模型之间的关联关系的变更;所述第一本地标识与所述第一公共标识的关联关系的变更;以及所述第一公共标识与所述第一模型之间的关联关系的变更。
- 根据权利要求54-64中任一项所述的设备,其特征在于,所述接收单元,用于接收所述第一设备发送的第四信息,所述第四信息用于指示以下中的一种或多种:所述第一本地标识的删除;以及所述第一公共标识的删除。
- 根据权利要求54-64中任一项所述的设备,其特征在于,所述接收单元,用于接收所述第一设备发送的第五信息,所述第五信息用于指示以下中的一种或多种:所述第一本地标识的新增;所述第一公共标识的新增。
- 根据权利要求54-67中任一项所述的设备,其特征在于,所述第一本地标识与所述第一公共标识之间的关联关系由所述第一设备或所述第二设备配置。
- 根据权利要求54-68中任一项所述的设备,其特征在于,所述第一本地标识包括以下中的一种或多种:运营商对应的本地标识;基站对应的本地标识;终端设备对应的本地标识;以及区域对应的本地标识。
- 根据权利要求54-69中任一项所述的设备,其特征在于,所述第一设备和所述第二设备满足以下中的一种:所述第一设备为终端设备,所述第二设备为基站;所述第一设备为基站,所述第二设备为终端设备;所述第一设备为终端设备,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为终端设备;所述第一设备为基站,所述第二设备为核心网设备;所述第一设备为核心网设备,所述第二设备为基站;所述第一设备和所述第二设备均为终端设备;所述第一设备和所述第二设备均为基站;以及所述第一设备和所述第二设备均为核心网设备。
- 一种通信设备,其特征在于,包括收发器、存储器和处理器,所述存储器用于存储程序,所述处理器用于调用所述存储器中的程序,并控制所述收发器接收或发送信号,以使所述终端执行如权利要求1-35中任一项所述的方法。
- 一种装置,其特征在于,包括处理器,用于从存储器中调用程序,以使所述装置执行如权利要求1-35中任一项所述的方法。
- 一种芯片,其特征在于,包括处理器,用于从存储器调用程序,使得安装有所述芯片的设备执行如权利要求1-35中任一项所述的方法。
- 一种计算机可读存储介质,其特征在于,其上存储有程序,所述程序使得计算机执行如权利要求1-35中任一项所述的方法。
- 一种计算机程序产品,其特征在于,包括程序,所述程序使得计算机执行如权利要求1-35中任一项所述的方法。
- 一种计算机程序,其特征在于,所述计算机程序使得计算机执行如权利要求1-35中任一项所述的方法。
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024138673A1 true WO2024138673A1 (zh) | 2024-07-04 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7033205B2 (ja) | データ伝送方法、基地局および端末 | |
CN108289005B (zh) | 信令发送、接收方法及装置 | |
WO2021217519A1 (zh) | 用于调整神经网络的方法和装置 | |
WO2021107829A1 (en) | Communication of measurement results in coordinated multipoint | |
WO2024138673A1 (zh) | 无线通信的方法及通信设备 | |
WO2023125660A1 (zh) | 一种通信方法及装置 | |
WO2022012256A1 (zh) | 通信的方法及通信装置 | |
WO2023283785A1 (zh) | 信号处理的方法及接收机 | |
WO2024138689A1 (zh) | 无线通信的方法及通信设备 | |
WO2023044904A1 (zh) | 通信方法、终端设备及网络设备 | |
WO2023115254A1 (zh) | 处理数据的方法及装置 | |
CN114492784A (zh) | 神经网络的测试方法和装置 | |
WO2023015499A1 (zh) | 无线通信的方法和设备 | |
US20240236826A1 (en) | Communication method and terminal device | |
WO2024008004A1 (zh) | 一种通信方法及装置 | |
US20240040420A1 (en) | Apparatus and method for reporting csi in wireless communication system | |
WO2024138653A1 (zh) | 用于通信的方法、终端设备以及网络设备 | |
WO2024138435A1 (zh) | 用于通信的方法以及通信设备 | |
WO2023206163A1 (zh) | 无线通信的方法、网络设备和终端设备 | |
WO2023198018A1 (zh) | 一种上行信号发送、接收方法及装置 | |
WO2024032775A1 (zh) | 量化方法和装置 | |
WO2024060159A1 (zh) | 一种通信方法、相关装置、可读存储介质以及芯片系统 | |
WO2023016503A1 (zh) | 一种通信方法及装置 | |
WO2023070684A1 (zh) | 无线通信的方法和设备 | |
WO2024045193A1 (zh) | 波束上报方法、装置、终端、网络设备和介质 |