WO2024138689A1 - 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Info
- Publication number
- WO2024138689A1 WO2024138689A1 PCT/CN2022/144162 CN2022144162W WO2024138689A1 WO 2024138689 A1 WO2024138689 A1 WO 2024138689A1 CN 2022144162 W CN2022144162 W CN 2022144162W WO 2024138689 A1 WO2024138689 A1 WO 2024138689A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- csi
- information
- model
- coding
- feedback bits
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 131
- 230000006854 communication Effects 0.000 title claims abstract description 108
- 238000004891 communication Methods 0.000 title claims abstract description 107
- 238000011084 recovery Methods 0.000 claims abstract description 117
- 238000007906 compression Methods 0.000 claims description 29
- 230000006835 compression Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 8
- 230000011664 signaling Effects 0.000 claims description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 37
- 238000013527 convolutional neural network Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000011176 pooling Methods 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 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
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011157 data evaluation Methods 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
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model 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
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
提供了一种无线通信的方法及通信设备。该方法包括:第一设备向第二设备发送第一信息,所述第一信息用于指示第一CSI的反馈比特数。在本申请实施例中,第一设备可以通过第一信息,向第二设备指示第一CSI的反馈比特数,以便第二设备可以基于该反馈比特数选择合适的解码模型。如此一来,第一设备可以针对不同的CSI选择合适的反馈比特数,有助于在保证CSI恢复精度的同时避免CSI反馈资源的浪费。
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。
在信道状态信息(channel state information-reference signal,CSI)反馈过程中,可以利用编码模型对CSI进行压缩,并通过解码模型对CSI压缩信息进行恢复。目前,CSI的复杂度直接影响着编码模型和/或解码模型的性能。通常,在复杂的无线环境和系统因素的联合影响下,CSI呈现丰富的多样性。不同的CSI携带信息量不同,有的CSI中子带间相关性较高,相对而言比较容易压缩,解码精度高。但是,有些CSI中子带间相关性较低,携带的信息量较多,此时,如果较为复杂的CSI与子带间相关性较高的CSI采用相同的反馈比特数,可能导致CSI的恢复精度降低,或者导致反馈比特数较大,造成资源浪费。
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:第一设备向第二设备发送第一信息,所述第一信息用于指示第一CSI的反馈比特数。
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,所述第一信息用于指示第一CSI的反馈比特数。
第三方面,提供了一种通信装置,所述通信装置可以为第一设备,包括:发送单元,用于向第二设备发送第一信息,所述第一信息用于指示第一CSI的反馈比特数。
第四方面,提供了一种通信装置,所述通信装置为第二设备,包括:接收单元,用于接收第一设备发送的第一信息,所述第一信息用于指示第一CSI的反馈比特数。
第五方面,提供一种通信装置,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上述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上述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上述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上述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上述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上述各个方面中任一项所述的方法。
在本申请实施例中,第一设备可以通过第一信息,向第二设备指示第一CSI的反馈比特数,以便第二设备可以基于第一CSI的反馈比特数选择合适的解码模型进行解码。如此一来,第一设备可以针对不同的CSI选择合适的反馈比特数,有助于在保证CSI恢复精度的同时避免CSI反馈资源的浪费。
图1是本申请实施例应用的无线通信系统100。
图2示出了基于自编码器的CSI反馈系统。
图3是本申请实施例适用的神经网络的示意图。
图4是本申请实施例适用的CNN的示意图。
图5是本申请实施例中4种不同的原始CSI的可视化结果的示意图。
图6是本申请实施例中无线通信方法的示意性流程图。
图7是本申请另一实施例的CSI反馈过程的示意图。
图8是本申请实施例1的无线通信方法的示意性流程图。
图9是本申请实施例2的无线通信方法的示意性流程图。
图10是本申请实施例3的无线通信方法的示意性流程图。
图11是本申请实施例的通信装置的示意图。
图12是本申请另一实施例的通信装置的示意图。
图13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。为了便于理解本申请,下文先结合图1至图5介绍本申请实施例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。
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。
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。通常,自编码器中的AI编码器可以对携带CSI的接收信号进行特征提取,自编码器中的AI解码器可以在接收机处尽可能还原发射机压缩反馈的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。
图2示出了基于自编码器的CSI反馈系统。如图2所示,整个反馈系统中包含自编码器包含AI编码器211及AI解码器221部分,其中,AI编码器211部署在发射机(例如,终端设备)处210,AI解码器621部署在接收机620(例如,网络设备)处。发射机610将待传输的CSI通过AI编码器611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620,接收机620通过AI解码器621对压缩后的CSI进行解码,得到恢复后的CSI。
在一些场景中,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。
目前,对自编码器的训练过程可以分为在线学习(又称“在线训练”)以及离线学习(又称“离线训练”)。离线训练可以理解为所有的训练数据都可以获取到,随机打乱后以批数据的方式离线训练自编码器,通常,在离线训练完成后方利用自编码器来进行编解码。在线学习则不同,它可以通过线上流式的数据在线更新模型,根据实时得到的一个或一批数据样本来训练自编码器,可以及时的捕获数据的变化,有效的提高自编码器的更新频率。
目前,R18讨论主要围绕是离线训练和在线推理相结合的AI框架,对于在线训练没有明确的方案。另外,由于真实通信系统环境较为复杂,对自编码器的泛化性要求较高,大多公司的仿真结果均基于仿真数据评估,利用真实数据来评估通信系统方案很少。但是,随着未来终端设备和网络设备的能力的提升,更多真实系统的数据可以被获取,相应地,在线训练的方案也会越来越多的被讨论。
需要说明的是,自编码器作为本申请实施例中对CSI处理的一种AI模型,当然,本申请实施例中的编码模型和/或解码模型还可以是其他数学模型,例如,机器学习模型等。
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。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3介绍本申请实施例适用的神经网络。图3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310,隐藏层320和输出层330。一般来说,第一层是输入层310、最后一层是输出层330,第一层和最后一层之间的中间层都是隐藏层320。
输入层310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320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330用于输出处理后的输出数据,例如,输出解压后的信号。
如图3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4所示,可以包括输入层410、卷积层420、池化层430、全连接层440、以及输出层450。
每一个卷积层420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430,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4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440,在经过卷积层420、池化层430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420、池化层430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440。通常,全连接层440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440中的多层隐含层之后,也就是整个CNN的最后层为输出层450,用于输出结果。通常,该输出层450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4由410至450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4由450至410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4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。
如上文的介绍,在CSI反馈过程中,可以利用编码模型对CSI(又称“待编码的CSI”,“CSI样本”,或“原始CSI”)进行压缩,并通过解码模型对CSI压缩信息进行恢复。目前,CSI的复杂度直接影响着编码模型和/或解码模型的性能。通常,在复杂的无线环境和系统因素的联合影响下,CSI会呈现丰富的多样性。不同的CSI携带信息量不同,有的CSI中子带间相关性较高,相对而言比较容易压缩,解码精度高。但是,有些CSI中子带间相关性较低,携带的信息量较多,此时,如果子带间相关性较低的CSI与子带间相关性较高的CSI采用相同的反馈比特数进行压缩,可能导致CSI的恢复精度降低,或者导致反馈比特数较多,导致资源浪费。
已知的CSI反馈过程中,编码端(下文又称“第一设备”)通常采用基于固定反馈比特的编码模型对CSI进行压缩,相应地,解码端(下文又称“第二设备”)采用基于固定反馈比特的解码模型对CSI压缩信息进行解码,以得到CSI恢复信息。然而,这种基于固定反馈比特的编码模型和/或解码模型的CSI反馈过程中,并没有考虑不同CSI可能对应 不同的复杂度的问题,导致在实际应用中要么对于复杂度较高的CSI而言恢复精度较低,要么对于复杂度较低的CSI而言反馈比特数较大。
例如,图5示出了4种不同的CSI的可视化结果。参见图5(a)至(d)所示,图5(a)中CSI的子带维度(每列)中的信息几乎一样,呈现宽带特性,这样的CSI所携带的信息量相对较小,也即是说,CSI中子带间相关性较高。图5(b)中CSI的复杂度略高于图5(a)中CSI的复杂度。图5(c)中CSI的复杂度略高于图5(b)中CSI的复杂度。相对而言,图5(d)中CSI的复杂度是最高的。
以图5(a)中CSI以及图5(d)中CSI为例进行说明,若针对两种CSI采用相同反馈比特数,那么,如果反馈比特数对应的编码模型,对于图5(a)中CSI而言是合适的,那么在压缩过程中图5(a)中CSI可能会损失较少的信息,相应地,在对CSI压缩信息进行恢复时,得到的CSI恢复信息的恢复精度相对较高,也即是解码模型的恢复精度较高。
然而,如果继续采用上述反馈比特数对应的编码模型,对图5(d)中CSI进行压缩时,由于图5(d)中CSI的复杂度较高,在压缩过程中可能会损失较多的信息,相应地,在对CSI压缩信息进行恢复之后,CSI恢复信息的精度相对较低,也即是解码模型的恢复精度较低。
因此,本申请实施例提供了一种无线通信的方法,在该方法中,第一设备可以针对不同的CSI使用不同的反馈比特数进行压缩,即针对不同的CSI反馈动态调整反馈比特数,有助于在保证CSI恢复精度的同时避免传输CSI反馈导致的资源浪费。通常,第一设备在选择了合适的反馈比特,利用编码模型对CSI进行压缩后,第二设备需要选择与反馈比特对应的解码模型对压缩后的信息进行解码,以得到CSI恢复信息。然而,反馈比特数通常由第一设备选择,第二设备无法获知该信息,导致第二设备无法选择合适的解码模型。
因此,为了避免上述问题,参见图6所示,在步骤S610中,第一设备可以向第二设备发送第一信息,以指示第一CSI的反馈比特数,有助于第二设备基于反馈比特数,选择合适的解码模型进行解码。
在一些实现方式中,第一信息可以包括反馈比特数的数值信息,和/或反馈比特数的等级信息,来指示第一CSI的反馈比特数,本申请实施例对此不作限定。
在一些情况下,上述第一信息指示第一CSI的反馈比特数,可替换为,上述第一信息指示用于第一CSI的解码模型。
在一些实现方式中,第一信息包含第一CSI的编码模型的指示信息;和/或,第一CSI的解码模型的指示信息,本申请实施例对此不作限定。
需要说明的是,上述第一设备可以为第一CSI的压缩信息的发送端,例如,可以是终端设备,当然,在本申请实施例中,上述第一设备也可以为网络设备。本申请实施例对此不作限定。相应地,上述第二设备可以为第一CSI的压缩信息的接收端。例如,可以是网络设备,当然,在本申请实施例中,上述第二设备也可以为终端设备,本申请实施例对此不作限定。
例如,若第一设备为终端设备,第二设备为网络设备时,上述第一信息可以承载于UCI中,当然,上述第一信息也可以作为上行数据通过数据信道发送,本申请实施例对此不作限定。
通常而言,不同的反馈比特数需要使用不同编码模型来实现,在一些实现方式中,为了实现动态调整反馈比特数,第一设备可以包括多个编码模型,相应地,第一CSI的编码模型可以为上述多个编码模型中的第一编码模型。当然,在本申请实施例中,一个编码模型也可以实现多种反馈比特数的编码过程,此时,第一设备也可以包括一个编码模型,相应地,第一CSI的编码模型可以为该编码模型。
上述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。当然,在本申请实施例中,多个编码模型中的至少两个编码模型输出的CSI的反馈比特数不同。本申请实 施例对此不作限定。
如前文所述,复杂度不同的CSI所对应的反馈比特数可能不同,因此,CSI的反馈比特数可以是基于第一CSI的复杂度确定的。另外,在一些场景中,不同的反馈比特数所对应的编码模型可能不同,因此,可以理解为第一CSI的编码模型是基于第一CSI的复杂度确定的。
下文介绍本申请实施例提供的两种确定CSI的复杂度的方式。需要说明的是,本申请实施例对确定CSI的复杂度的方式不作限定,本申请实施例还可以适用其他确定CSI的复杂度的方式,例如,可以结合实现方式1以及实现方式2来确定CSI的复杂度。
在实现方式1中,第一CSI的复杂度可以基于第一CSI中的子带信息确定。相应地,可以理解为第一CSI中的子带信息确定反馈比特数和/或第一CSI的编码模型。
上述第一CSI中的子带信息例如可以包括第一CSI中的子带间的相关性。通常来讲,当第一CSI中的子带间的相关性越高,表示该第一CSI的复杂度越低。相反地,当第一CSI中的子带间的相关性越低,表示该第一CSI的复杂度越高。
在一些实现方式中,在第一设备向第二设备发送第一信息之前,上述方法还包括:第一设备确定第一CSI中的多个子带两两间的自相关系数;第一设备根据多个子带两两间的自相关系数确定多个子带的子带间的相关性;第一设备根据子带间的相关性,确定反馈比特数和/或第一CSI的编码模型。
需要说明的是,上述第一设备根据子带间的相关性,确定反馈比特数和/或第一CSI的编码模型,可以理解为,第一设备根据子带间的相关性,确定反馈比特数,之后基于反馈比特数选择第一CSI的编码模型。当然,在本申请实施例中,第一设备根据子带间的相关性,以及相关性和编码模型之间的对应关系,确定第一CSI的编码模型。本申请实施例对此不作限定。
假设以32端口13个子带的情况为例,第一CSI可以表示为一个13行,32列的复数矩阵。将第一CSI按照每一行划分为13条子带,并将子带间两两求自行相关系数,最后取平均得到一个可以度量第一CSI中的子带间的相关性(又称“子带平均自相关系数”)。如果子带平均自相关系数越大,说明第一CSI的复杂度越低,相应地,可以采用更大的压缩比得到较小的反馈比特数,以节省反馈开销。相反地,如果子带平均自相关系数越小,说明第一CSI的复杂度较高,则需要较小的压缩比保留较多的反馈比特数,避免丢失较多的信息,以保证解码模型的恢复精度。
表2示出了本申请实施例中不同的CSI的复杂度与反馈比特数之间的对应关系。参见表2所示,若子带平均自相关系数位于区间[0,0.5]内,表示子带平均自相关系数对应的CSI的复杂度为低,此时,可以使用的反馈比特数为2
5。若子带平均自相关系数位于区间(0.5,0.8]内,表示子带平均自相关系数对应的CSI的复杂度为中,此时,可以使用的反馈比特数为2
6。若子带平均自相关系数位于区间(0.8,1]内,表示子带平均自相关系数对应的CSI的复杂度为高,此时,可以使用的反馈比特数为2
7。
表1
子带平均自相关系数区间 | [0,0.5] | (0.5,0.8] | (0.8,1] |
CSI的复杂度 | 低 | 中 | 高 |
反馈比特数 | 2 5 | 2 6 | 2 7 |
在实现方式2中,第一CSI的复杂度可以基于第一CSI对应的恢复精度(即第一CSI的压缩信息经过解码模块之后得到的CSI恢复信息的精度)确定。相应地,可以理解为基于第一CSI对应的恢复精度确定反馈比特数和/或第一CSI的编码模型。
在本申请实例中,第一设备可以利用多个编码模型分别对第一CSI进行压缩,并利用多个编码模型对应的解码模型对CSI压缩信息(即CSI反馈)进行解码,以得到CSI恢复信息,再基于CSI恢复信息确定反馈比特数和/或第一CSI的编码模型。
也就是说,第一设备包括多个编码模型,且多个编码模型中的不同编码模型输出的CSI的反馈比特数不同,在第一设备向第二设备发送第一信息之前,上述方法还包括:第一设备基于多个编码模型压缩第一CSI,得到多个CSI压缩信息;第一设备将多个CSI压缩信息分别输入与多个编码模型一一对应的多个解码模型,得到多个CSI恢复信息;第一设备根据多个CSI恢复信息,确定反馈比特数和/或第一CSI的编码模型。
上述第一设备根据多个CSI恢复信息,确定反馈比特数和/或第一CS的编码模型,可以包括第一设备根据多个CSI恢复信息以及第一CSI,确定多个CSI恢复信息对应的恢复精度,再基于恢复精度确定反馈比特数和/或第一CSI的恢复模型。
在一些实现方式中,可以选择恢复精度大于目标恢复精度(又称“参考恢复精度”)的反馈比特数和/或第一CSI的恢复模型。其中,目标恢复精度可以是预设的、预配置的或者由网络设备配置的,本申请实施例对此不作限定。
例如,上述参考恢复精度可以是第二设备通过第二信息向第一设备指示的。本申请实施例对第二信息的承载方式不作限定,例如,第二信息可以承载于无线资源控制(radio resource control,RRC)信令;媒体接入控制控制单元(medium access control control element,MAC CE);以及下行控制信息(downlink control information,DCI)中的一种或多种。
需要说明的是,本申请实施例对恢复精度的评价指标不作具体限定,例如,恢复精度的评价指标可以是广义余弦相似度(SGCS)、均方误差(mean square error,MSE)等度量方式。
另外,上述第一设备根据多个CSI恢复信息,确定反馈比特数和/或第一CSI的编码模型,可以理解为,第一设备根据多个CSI恢复信息,确定反馈比特数,之后基于反馈比特数选择第一CSI的编码模型。当然,在本申请实施例中,第一设备根据多个CSI恢复信息,以及CSI恢复信息的恢复精度和编码模型之间的对应关系,确定第一CSI的编码模型。本申请实施例对此不作限定。
假设第一设备包括3个AI模型(包括3个编码模型以及对应的解码模型),3个AI模型分别使用的反馈比特数为2
5,2
6,2
7,且恢复精度的评价指标为SGCS。相应地,终端设备可以将第一CSI(用W表示)分别输入到3个AI模型,进行编码和解码,得到的三个AI模型输出的CSI恢复信息为W
1,W
2,W
3,再基于W
1,W
2,W
3通过公式E
k=SGCS(W,W
k),其中k=1,2,3,计算各自对应的恢复精度E
1,E
2,E
3。
终端设备可以基于参考精度E
0以及上述计算出的恢复精度E
1,E
2,E
3,从最小反馈比特数对应的恢复精度E
1开始,依次与参考精度E
0比较,直到找到满足条件:E
k>E
0的恢复精度,相应地该恢复精度对应的反馈比特数就随之确定。
为了便于理解,下文以实现方式2为例,结合图7介绍本申请实施例的方案。图7是本申请实施例的CSI反馈过程的示意图,图7所示的方法包括步骤S710至步骤S740。假设第一设备中包括k个AI模型,其中,每个AI模型包括编码模型和解码模型。
在步骤S710中,第一设备从多个编码模型中确定目标编码模型。
上述多个编码模型可以包括反馈比特数为S比特对应的编码模型,反馈比特数为M比特对应的编码模型,以及反馈比特数为L比特对应的编码模型。
在一些实现方式中,在每次执行CSI反馈前,第一设备可以利用k个AI模型并行或顺次进行预先推理(即压缩和解压缩),得到CSI恢复信息。基于CSI恢复信息对应的恢复精度和参考恢复精度对比,确定目标编码模型。
继续参见图7,以k=3为例,参见表2所示,第一设备包括三个不同反馈比特数对应的AI模型:低比特数模型、中比特数模型以及高比特数模型。对于CSI的复杂度对应复杂度低而言,低比特数模型对应的恢复精度可以满足参考恢复精度的要求,中比特数模型对应的恢复精度可以满足参考恢复精度的要求,高比特数模型对应的恢复精度可以满足参考恢复精度的要求,此时,可以优先选择反馈比特数较少的模型中的编码模型,即选择低 比特数模型中的编码模型作为目标编码模型。
对于CSI的复杂度对应复杂度中而言,低比特数模型对应的恢复精度不可以满足参考恢复精度的要求,中比特数模型对应的恢复精度可以满足参考恢复精度的要求,高比特数模型对应的恢复精度可以满足参考恢复精度的要求,此时,可以优先选择满足参考恢复精度的要求且反馈比特数较少的模型中的编码模型,即选择中比特数模型中的编码模型作为目标编码模型。
对于CSI的复杂度对应复杂度高而言,低比特数模型对应的恢复精度不可以满足参考恢复精度的要求,中比特数模型对应的恢复精度不可以满足参考恢复精度的要求,高比特数模型对应的恢复精度可以满足参考恢复精度的要求,此时,可以优先选择满足参考恢复精度的要求的模型中的编码模型,即选择高比特数模型中的编码模型作为目标编码模型。
表2
在步骤S720中,第一设备将第一CSI输入目标编码模型进行压缩,得到CSI压缩信息(或称CSI反馈)。
在步骤S730中,第一设备向第二设备发送CSI压缩信息以及第一CSI的反馈比特数(即该CSI压缩信息包含的比特数)。
在步骤S740中,第二设备基于反馈比特数,确定与目标编码模型相匹配的目标解码模型,并利用目标解码模型对CSI压缩信息进行解码,得到CSI恢复信息。
如上文介绍,在一些场景中,编码模型和解码模型可以进行联合训练,本申请实施例对执行联合训练的设备不作限定,例如,对执行联合训练的设备可以是第一设备和/或第二设备。
以第一设备进行联合训练为例,训练之后第一设备可以将解码模型的模型参数发送给第二设备。也即使说,在步骤S610之前,上述方法还包括:第一设备向第二设备发送模型参数,模型参数包括CSI的解码模型的模型参数。
以第二设备进行联合训练为例,训练之后第二设备可以将编码模型和/或解码模型的模型参数发送给第一设备。也即使说,在步骤S610之前,上述方法还包括:第一设备接收第二设备发送的模型参数,模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
在本申请实施例中,第一设备还可以对编码模型进行在线训练(或者说在线更新),也即是说,上述方法还包括:第一设备根据第一CSI更新第一编码模型。
为了便于理解,下文以第一设备为终端设备,第二设备为网络设备为例,结合实施例1~3介绍本申请实施例的无线通信方法。
在实施例1中,图8是本申请实施例1的无线通信方法的示意性流程图。图8所述的方法包括步骤S810至步骤S880。假设编码模型部署在终端设备内,解码模型部署在网络设备内,由网络设备对编码模型以及解码模型进行联合训练。
在训练过程中,网络设备可以联合训练编码模型和解码器,并在训练后将编码模型的模型参数发送给终端设备。需要说明的是,在本申请实施例中,为了实现基于恢复精度确定反馈比特数,终端设备可以同时部署同网络设备一样的解码模型。
在步骤S810中,网络设备向终端设备发送k个AI模型的模型参数。
在一些实现方式中,k个AI模型中的每个模型包括编码模型和解码模型。
在步骤S820中,网络设备向终端设备发送指示参考恢复精度的信息。
在步骤S830中,网络设备向终端设备发送CSI-RS 0。
在一些实现方式中,上述CSI-RS 0的发送可以理解为第一个CSI压缩反馈任务周期的开始。
在步骤S840中,终端设备确定当前CSI反馈周期的目标反馈比特数。
在一些实现方式中,终端设备可以利用解码器提前解码出CSI恢复信息,与待压缩的CSI对比,计算每个CSI恢复信息对应的恢复精度,再基于CSI恢复信息对应的恢复精度以及参考恢复精度,选择目标反馈比特数。
需要说明的是,选择目标反馈比特数的实现方式可以参见上文实现方式2中的介绍,为了简洁,在此不再赘述。
在步骤S850中,终端设备基于目标反馈比特数对应的编码模型,对待压缩的CSI进行编码,得到CSI反馈(或称CSI压缩信息)。
在步骤S860中,终端设备向网络设备发送CSI反馈。
在一些实现方式中,终端设备可以向网络设备发送信息3,以指示目标反馈比特数。
例如,信息3中可以通过2bit来指示目标反馈比特数。假设信息3中2比特的取值为{00},表示终端设备未找到满足参考恢复精度需求的AI模型。若信息3中2比特的取值为{01},即目标反馈比特数对应的指示信息的取值为1,表示终端设备选择的目标反馈比特数为2
5。若信息3中2比特的取值为{10},即对应的指示信息的取值为2,表示终端设备选择的目标反馈比特数2
6。若信息3中2比特的取值为{11},即对应的指示信息的取值为3,表示终端设备选择的目标反馈比特数2
7。
在本申请实施例中,终端设备可以向网络设备反馈未找到满足参考恢复精度需求的AI模型,相应地,网络设备可以直接采取相应的回退策略,可以避免无效AI推理。
在步骤S870中,网络设备根据反馈比特数指示,选择目标解码模型。
在步骤S880中,网络设备利用目标解码模型对CSI反馈进行解码,得到CSI恢复信息。
在本申请实施例中,每一个CSI压缩反馈周期里,终端设备都可以执行步骤S810~S880,来实现基于CSI的反馈比特数的动态调整,有助于在保证恢复精度的前提下减少CSI反馈包括的反馈比特数。
在实施例2中,图9是本申请实施例2的无线通信方法的示意性流程图。图9所述的方法包括步骤S910至步骤S970。假设编码模型部署在终端设备内,解码模型部署在网络设备内,由终端设备对编码模型以及解码模型进行联合训练。
在训练过程中,终端设备可以联合训练编码模型和解码器,并在训练后将解码模型的模型参数发送给网络设备。
在步骤S910中,终端设备向网络设备发送k个解码模型的模型参数。
在一些实现方式中,k个解码模型属于k个AI模型,k个AI模型中的每个模型包括编码模型。k个AI模型对应的反馈比特数为2
5,2
6,2
7。
在步骤S920中,网络设备向终端设备发送CSI-RS 0。
在一些实现方式中,上述CSI-RS 0的发送可以理解为第一个CSI压缩反馈任务周期的开始。
在步骤S930中,终端设备确定当前CSI反馈周期的目标反馈比特数。
需要说明的是,终端设备确定目标反馈比特数的实现方式可以参见上文实现方式1中的介绍,为了简洁,在此不再赘述。
另外,本实施例区别于实施例1,终端设备可以不采用解码器提前解码出CSI恢复信息,并与待压缩的CSI对比计算CSI恢复精度。
在步骤S940中,终端设备基于目标反馈比特数对应的目标编码模型,对待压缩的CSI进行压缩,得到CSI反馈。
在步骤S950中,终端设备向网络设备发送CSI反馈。
在一些实现方式中,终端设备可以向网络设备发送信息1,以指示目标反馈比特数。例如,信息3中可以通过2bit来指示目标反馈比特数。假设信息3中2比特的取值为{00},表示异常指示。假设信息3中2比特的取值为{01},即目标反馈比特数对应的指示信息的取值为1,表示终端设备选择的目标反馈比特数为2
5。假设信息3中2比特的取值为{11},即目标反馈比特数对应的指示信息的取值为2,表示终端设备选择的目标反馈比特数为2
6;假设信息3中2比特的取值为{10},即目标反馈比特数对应的指示信息的取值为3,表示终端设备选择的目标反馈比特数为2
7。
需要说明的是,上述异常指示可以是在步骤S930之前执行。例如,可以先对待编码的CSI进行异常检验,如果待编码的CSI是异常信息,终端设备可以直接反馈{00},指示待编码的CSI异常,此时,终端设备可以不需要计算CSI的复杂度,以避免不必要的操作。
在步骤S960中,网络设备根据目标反馈比特数指示,选择目标解码模型。
在步骤S970中,网络设备利用目标解码模型CSI反馈进行解码,得到CSI恢复信息。
在本申请实施例中,每一个CSI压缩反馈周期里,终端设备都可以执行步骤S910~S970,来实现基于CSI的反馈比特数的动态调整,有助于在保证恢复精度的前提下减少CSI反馈包括的反馈比特数。
在实施例3中,图10是本申请实施例1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至步骤S1080。假设编码模型部署在终端设备内,解码模型部署在网络设备内,由网络设备对编码模型以及解码模型进行联合训练。
在训练过程中,网络设备可以联合训练编码模型和解码器,并在训练后将编码模型的模型参数发送给终端设备。需要说明的是,在本申请实施例中,为了实现基于恢复精度确定反馈比特数,终端设备可以同时部署同网络设备一样的解码模型。
在步骤S1010中,网络设备向终端设备发送k个AI模型的模型参数。
在一些实现方式中,k个AI模型中的每个模型包括编码模型和解码模型。
在步骤S1020中,网络设备向终端设备发送指示参考恢复精度的信息。
在步骤S1030中,网络设备向终端设备发送CSI-RS 0。
在一些实现方式中,上述CSI-RS 0的发送可以理解为第一个CSI压缩反馈任务周期的开始。
在步骤S1040中,终端设备确定当前CSI反馈周期的目标反馈比特数。
在一些实现方式中,终端设备可以利用解码器提前解码出CSI恢复信息,与待压缩的CSI对比,计算每个CSI恢复信息对应的恢复精度,再基于CSI恢复信息对应的恢复精度以及参考恢复精度,选择目标反馈比特数。
需要说明的是,选择目标反馈比特数的实现方式可以参见上文实现方式2中的介绍,为了简洁,在此不再赘述。
在步骤S1050中,终端设备利用CSI对目标反馈比特数对应的目标编码模型进行在线更新。
需要说明的是,在本申请实施例中,终端设备可以基于目标反馈比特数确定目标编码模型,因此,终端设备可以仅对目标编码模型进行在线更新,以减少在线更新的时长。当然,在本申请实施例中,终端设备也可以对全部编码模型进行在线更新。
另外,为了减少在线更新的时长,终端设备可以仅对目标编码模型进行更新,而无需对终端设备中部署的与目标编码模型对应的目标解码模型进行在线更新。当然,在本申请实施例中,终端设备也可以对终端设备中部署的目标解码模型进行在线更新,并将在线更新后的目标解码模型的模型参数发送给网络设备,有助于提高目标解码模型的恢复精度。
在步骤S1060中,终端设备基于更新后的目标编码模型,对待编码的CSI进行编码,得到CSI反馈。
在步骤S1070中,终端设备向网络设备发送CSI反馈。
在一些实现方式中,终端设备可以向网络设备发送信息3,以指示目标反馈比特数。
例如,信息3中可以通过2bit来指示目标反馈比特数。假设信息3中2比特的取值为{00},表示终端设备未找到满足参考恢复精度需求的AI模型。若信息3中2比特的取值为{01},即目标反馈比特数对应的指示信息的取值为1,表示终端设备选择的目标反馈比特数为2
5。若信息3中2比特的取值为{10},即对应的指示信息的取值为2,表示终端设备选择的目标反馈比特数2
6。若信息3中2比特的取值为{11},即对应的指示信息的取值为3,表示终端设备选择的目标反馈比特数2
7。
在本申请实施例中,终端设备可以向网络设备反馈未找到满足参考恢复精度需求的AI模型,相应地,网络设备可以直接采取相应的回退策略,可以避免无效AI推理。
在步骤S1080中,网络设备根据反馈比特数指示,选择目标解码模型。
在步骤S1090中,网络设备利用目标解码模型对CSI反馈进行解码,得到CSI恢复信息。
在本申请实施例中,每一个CSI压缩反馈周期里,终端设备都可以执行步骤S1010~S1090,来实现基于CSI的反馈比特数的动态调整,有助于在保证恢复精度的前提下减少CSI的反馈比特数。
上文结合图1至图10,详细描述了本申请的方法实施例,下面结合图11至图13,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11是本申请实施例的通信装置的示意图。图11所示的通信装置1100可以为第一设备,通信装置1100包括:发送单元1110。
发送单元1110,用于向第二设备发送第一信息,所述第一信息用于指示第一CSI的反馈比特数。
在一些实现方式中,所述第一设备包括一个或多个编码模型,所述第一CSI的编码模型为所述一个或多个编码模型中的第一编码模型。
在一些实现方式中,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。
在一些实现方式中,所述反馈比特数和/或所述第一CSI的编码模型是基于第一CSI的复杂度确定的。
在一些实现方式中,所述第一CSI的复杂度基于以下中的一种或多种确定:所述第一CSI中的子带信息;以及所述第一CSI对应的恢复精度。
在一些实现方式中,所述第一CSI中的子带信息包括所述第一CSI中的子带间的相关性。
在一些实现方式中,所述通信装置还包括第一处理单元,所述第一处理单元用于确定所述第一CSI中的多个子带两两间的自相关系数;根据所述多个子带两两间的自相关系数确定所述多个子带的子带间的相关性;以及根据所述子带间的相关性,确定所述反馈比特数和/或所述第一CSI的编码模型。
在一些实现方式中,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同,所述通信装置还包括第二处理单元,所述第二处理单元用于:基于所述多个编码模型压缩所述第一CSI,得到多个CSI压缩信息;将所述多个CSI压缩信息分别输入与所述多个编码模型一一对应的多个解码模型,得到多个CSI恢复信息;根据所述多个CSI恢复信息,确定所述反馈比特数和/或所述第一CSI的编码模型。
在一些实现方式中,所述通信装置还包括:第一接收单元,用于接收所述第二设备发送的第二信息,所述第二信息用于确定所述反馈比特数和/或所述第一CSI的编码模型。
在一些实现方式中,所述第二信息用于指示CSI对应的恢复精度的参考值。
在一些实现方式中,所述第二信息承载于以下中的一种:无线资源控制RRC信令;媒体接入控制控制元素MAC CE;以及下行控制信息DCI。
在一些实现方式中,所述第一信息包含以下信息中的一种或多种:所述反馈比特数的数值信息;所述反馈比特数的等级信息;第一CSI的编码模型的指示信息;以及第一CSI的解码模型的指示信息。
在一些实现方式中,所述通信装置还包括第二接收单元,用于接收所述第二设备发送的模型参数,所述模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
在一些实现方式中,所述发送单元,还用于:向所述第二设备发送模型参数,所述模型参数包括CSI的解码模型的模型参数。
在一些实现方式中,所述通信装置还包括:第三处理单元,用于根据所述第一CSI更新所述第一编码模型。
在一些实现方式中,所述第一信息承载于UCI中。
在一些实现方式中,所述第一设备为终端设备,所述第二设备为网络设备。
图12是本申请另一实施例的通信装置的示意图。图12所示的通信装置1200为第二设备。通信装置1200包括接收单元1210。
接收单元1210,用于接收第一设备发送的第一信息,所述第一信息用于指示第一CSI的反馈比特数。
在一些实现方式中,所述第一设备包括一个或多个编码模型,所述第一CSI的编码模型为所述一个或多个编码模型中的第一编码模型。
在一些实现方式中,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。
在一些实现方式中,所述反馈比特数和/或所述第一CSI的编码模型是基于第一CSI的复杂度确定的。
在一些实现方式中,所述第一CSI的复杂度基于以下中的一种或多种确定:所述第一CSI中的子带信息;以及所述第一CSI对应的恢复精度。
在一些实现方式中,所述第一CSI中的子带信息包括所述第一CSI中的子带间的相关性。
在一些实现方式中,所述通信装置还包括第一发送单元,用于向所述第一设备发送第二信息,所述第二信息用于确定所述反馈比特数和/或所述第一CSI的编码模型。
在一些实现方式中,所述第二信息用于指示CSI对应的恢复精度的参考值。
在一些实现方式中,所述第二信息承载于以下中的一种:无线资源控制RRC信令;媒体接入控制控制元素MAC CE;以及下行控制信息DCI。
在一些实现方式中,所述第一信息包含以下信息中的一种或多种:所述反馈比特数的数值信息;所述反馈比特数的等级信息;第一CSI的编码模型的指示信息;以及第一CSI的解码模型的指示信息。
在一些实现方式中,所述通信装置还包括第二发送单元,用于向所述第一设备发送模型参数,所述模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
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模型参数,所述模型参数包括CSI的解码模型的模型参数。
在一些实现方式中,所述第一信息承载于上行控制信息UCI中。
在一些实现方式中,所述第一设备为终端设备,所述第二设备为网络设备。
图13是本申请实施例的装置的示意性结构图。图13中的虚线表示该单元或模块为可 选的。该装置1300可用于实现上述方法实施例中描述的方法。装置1300可以是芯片或终端设备。
装置1300可以包括一个或多个处理器1310。该处理器1310可支持装置1300实现前文方法实施例所描述的方法。该处理器1310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1300还可以包括一个或多个存储器1320。存储器1320上存储有程序,该程序可以被处理器1310执行,使得处理器1310执行前文方法实施例所描述的方法。存储器1320可以独立于处理器1310也可以集成在处理器1310中。
装置1300还可以包括收发器1330。处理器1310可以通过收发器1330与其他设备或芯片进行通信。例如,处理器1310可以通过收发器1330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 (68)
- 一种无线通信的方法,其特征在于,包括:第一设备向第二设备发送第一信息,所述第一信息用于指示第一信道状态信息CSI的反馈比特数。
- 根据权利要求1所述的方法,其特征在于,所述第一设备包括一个或多个编码模型,所述第一CSI的编码模型为所述一个或多个编码模型中的第一编码模型。
- 根据权利要求2所述的方法,其特征在于,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。
- 根据权利要求1-3中任一项所述的方法,其特征在于,所述反馈比特数和/或所述第一CSI的编码模型是基于所述第一CSI的复杂度确定的。
- 根据权利要求4所述的方法,其特征在于,所述第一CSI的复杂度基于以下中的一种或多种确定:所述第一CSI中的子带信息;以及所述第一CSI对应的恢复精度。
- 根据权利要求5所述的方法,其特征在于,所述第一CSI中的子带信息包括所述第一CSI中的子带间的相关性。
- 根据权利要求6所述的方法,其特征在于,在所述第一设备向第二设备发送第一信息之前,所述方法还包括:所述第一设备确定所述第一CSI中的多个子带两两间的自相关系数;所述第一设备根据所述多个子带两两间的自相关系数确定所述多个子带的子带间的相关性;所述第一设备根据所述子带间的相关性,确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求5所述的方法,其特征在于,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同,在所述第一设备向第二设备发送第一信息之前,所述方法还包括:所述第一设备基于所述多个编码模型压缩所述第一CSI,得到多个CSI压缩信息;所述第一设备将所述多个CSI压缩信息分别输入与所述多个编码模型一一对应的多个解码模型,得到多个CSI恢复信息;所述第一设备根据所述多个CSI恢复信息,确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求1-8中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备接收所述第二设备发送的第二信息,所述第二信息用于确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求9所述的方法,其特征在于,所述第二信息用于指示CSI对应的恢复精度的参考值。
- 根据权利要求9或10所述的方法,其特征在于,所述第二信息承载于以下中的一种:无线资源控制RRC信令;媒体接入控制控制元素MAC CE;以及下行控制信息DCI。
- 根据权利要求1-11中任一项所述的方法,其特征在于,所述第一信息包含以下信息中的一种或多种:所述反馈比特数的数值信息;所述反馈比特数的等级信息;所述第一CSI的编码模型的指示信息;以及所述第一CSI的解码模型的指示信息。
- 根据权利要求1-12中任一项所述的方法,其特征在于,在所述第一设备向第二设备发送第一信息之前,所述方法还包括:所述第一设备接收所述第二设备发送的模型参数,所述模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
- 根据权利要求1-12中任一项所述的方法,其特征在于,在所述第一设备向第二设备发送第一信息之前,所述方法还包括:所述第一设备向所述第二设备发送模型参数,所述模型参数包括CSI的解码模型的模型参数。
- 根据权利要求1-13中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备根据所述第一CSI更新所述第一编码模型。
- 根据权利要求1-15中任一项所述的方法,其特征在于,所述第一信息承载于上行控制信息UCI中。
- 根据权利要求1-16中任一项所述的方法,其特征在于,所述第一设备为终端设备,所述第二设备为网络设备。
- 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,所述第一信息用于指示第一信道状态信息CSI的反馈比特数。
- 根据权利要求18所述的方法,其特征在于,所述第一设备包括一个或多个编码模型,所述第一CSI的编码模型为所述一个或多个编码模型中的第一编码模型。
- 根据权利要求19所述的方法,其特征在于,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。
- 根据权利要求18-20中任一项所述的方法,其特征在于,所述反馈比特数和/或所述第一CSI的编码模型是基于所述第一CSI的复杂度确定的。
- 根据权利要求21所述的方法,其特征在于,所述第一CSI的复杂度基于以下中的一种或多种确定:所述第一CSI中的子带信息;以及所述第一CSI对应的恢复精度。
- 根据权利要求22所述的方法,其特征在于,所述第一CSI中的子带信息包括所述第一CSI中的子带间的相关性。
- 根据权利要求18-23中任一项所述的方法,其特征在于,所述方法还包括:所述第二设备向所述第一设备发送第二信息,所述第二信息用于确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求24所述的方法,其特征在于,所述第二信息用于指示CSI对应的恢复精度的参考值。
- 根据权利要求24或25所述的方法,其特征在于,所述第二信息承载于以下中的一种:无线资源控制RRC信令;媒体接入控制控制元素MAC CE;以及下行控制信息DCI。
- 根据权利要求18-26中任一项所述的方法,其特征在于,所述第一信息包含以下信息中的一种或多种:所述反馈比特数的数值信息;所述反馈比特数的等级信息;所述第一CSI的编码模型的指示信息;以及所述第一CSI的解码模型的指示信息。
- 根据权利要求18-27中任一项所述的方法,其特征在于,在所述第二设备接收第一设备发送的第一信息之前,所述方法还包括:所述第二设备向所述第一设备发送模型参数,所述模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
- 根据权利要求18-27中任一项所述的方法,其特征在于,在所述第二设备接收第一设备发送的第一信息之前,所述方法还包括:所述第二设备接收所述第一设备发送的模型参数,所述模型参数包括CSI的解码模型的模型参数。
- 根据权利要求18-29中任一项所述的方法,其特征在于,所述第一信息承载于上行控制信息UCI中。
- 根据权利要求18-30中任一项所述的方法,其特征在于,所述第一设备为终端设备,所述第二设备为网络设备。
- 一种通信装置,其特征在于,所述通信装置可以为第一设备,包括:发送单元,用于向第二设备发送第一信息,所述第一信息用于指示第一信道状态信息CSI的反馈比特数。
- 根据权利要求32所述的通信装置,其特征在于,所述第一设备包括一个或多个编码模型,所述第一CSI的编码模型为所述一个或多个编码模型中的第一编码模型。
- 根据权利要求33所述的通信装置,其特征在于,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。
- 根据权利要求32-34中任一项所述的通信装置,其特征在于,所述反馈比特数和/或所述第一CSI的编码模型是基于所述第一CSI的复杂度确定的。
- 根据权利要求35所述的通信装置,其特征在于,所述第一CSI的复杂度基于以下中的一种或多种确定:所述第一CSI中的子带信息;以及所述第一CSI对应的恢复精度。
- 根据权利要求36所述的通信装置,其特征在于,所述第一CSI中的子带信息包括所述第一CSI中的子带间的相关性。
- 根据权利要求37所述的通信装置,其特征在于,所述通信装置还包括第一处理单元,所述第一处理单元,用于:确定所述第一CSI中的多个子带两两间的自相关系数;根据所述多个子带两两间的自相关系数确定所述多个子带的子带间的相关性;根据所述子带间的相关性,确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求36所述的通信装置,其特征在于,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同,所述通信装置还包括第二处理单元,所述第二处理单元,用于:基于所述多个编码模型压缩所述第一CSI,得到多个CSI压缩信息;将所述多个CSI压缩信息分别输入与所述多个编码模型一一对应的多个解码模型,得到多个CSI恢复信息;根据所述多个CSI恢复信息,确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求32-39中任一项所述的通信装置,其特征在于,所述通信装置还包 括:第一接收单元,用于接收所述第二设备发送的第二信息,所述第二信息用于确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求40所述的通信装置,其特征在于,所述第二信息用于指示CSI对应的恢复精度的参考值。
- 根据权利要求40或41所述的通信装置,其特征在于,所述第二信息承载于以下中的一种:无线资源控制RRC信令;媒体接入控制控制元素MAC CE;以及下行控制信息DCI。
- 根据权利要求32-42中任一项所述的通信装置,其特征在于,所述第一信息包含以下信息中的一种或多种:所述反馈比特数的数值信息;所述反馈比特数的等级信息;所述第一CSI的编码模型的指示信息;以及所述第一CSI的解码模型的指示信息。
- 根据权利要求32-43中任一项所述的通信装置,其特征在于,所述通信装置还包括第二接收单元,所述第二接收单元,用于接收所述第二设备发送的模型参数,所述模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
- 根据权利要求32-43中任一项所述的通信装置,其特征在于,所述发送单元,还用于:向所述第二设备发送模型参数,所述模型参数包括CSI的解码模型的模型参数。
- 根据权利要求32-44中任一项所述的通信装置,其特征在于,所述通信装置还包括:第三处理单元,用于根据所述第一CSI更新所述第一编码模型。
- 根据权利要求32-46中任一项所述的通信装置,其特征在于,所述第一信息承载于上行控制信息UCI中。
- 根据权利要求32-47中任一项所述的通信装置,其特征在于,所述第一设备为终端设备,所述第二设备为网络设备。
- 一种通信装置,其特征在于,所述通信装置为第二设备,包括:接收单元,用于接收第一设备发送的第一信息,所述第一信息用于指示第一信道状态信息CSI的反馈比特数。
- 根据权利要求49所述的通信装置,其特征在于,所述第一设备包括一个或多个编码模型,所述第一CSI的编码模型为所述一个或多个编码模型中的第一编码模型。
- 根据权利要求50所述的通信装置,其特征在于,所述第一设备包括多个编码模型,且所述多个编码模型中的不同编码模型输出的CSI的反馈比特数不同。
- 根据权利要求49-51中任一项所述的通信装置,其特征在于,所述反馈比特数和/或所述第一CSI的编码模型是基于所述第一CSI的复杂度确定的。
- 根据权利要求52所述的通信装置,其特征在于,所述第一CSI的复杂度基于以下中的一种或多种确定:所述第一CSI中的子带信息;以及所述第一CSI对应的恢复精度。
- 根据权利要求53所述的通信装置,其特征在于,所述第一CSI中的子带信息包括所述第一CSI中的子带间的相关性。
- 根据权利要求49-54中任一项所述的通信装置,其特征在于,所述通信装置还包括第一发送单元,用于:向所述第一设备发送第二信息,所述第二信息用于确定所述反馈比特数和/或所述第一CSI的编码模型。
- 根据权利要求55所述的通信装置,其特征在于,所述第二信息用于指示CSI对应的恢复精度的参考值。
- 根据权利要求55或56所述的通信装置,其特征在于,所述第二信息承载于以下中的一种:无线资源控制RRC信令;媒体接入控制控制元素MAC CE;以及下行控制信息DCI。
- 根据权利要求49-57中任一项所述的通信装置,其特征在于,所述第一信息包含以下信息中的一种或多种:所述反馈比特数的数值信息;所述反馈比特数的等级信息;所述第一CSI的编码模型的指示信息;以及所述第一CSI的解码模型的指示信息。
- 根据权利要求49-58中任一项所述的通信装置,其特征在于,所述通信装置还包括第二发送单元,用于向所述第一设备发送模型参数,所述模型参数包括以下中的一种或多种:CSI的编码模型的模型参数;以及CSI的解码模型的模型参数。
- 根据权利要求49-58中任一项所述的通信装置,其特征在于,所述接收单元,用于:接收所述第一设备发送的模型参数,所述模型参数包括CSI的解码模型的模型参数。
- 根据权利要求49-60中任一项所述的通信装置,其特征在于,所述第一信息承载于上行控制信息UCI中。
- 根据权利要求49-61中任一项所述的通信装置,其特征在于,所述第一设备为终端设备,所述第二设备为网络设备。
- 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1-62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1-62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1-62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1-62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1-62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1-62中任一项所述的方法。
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024138689A1 true WO2024138689A1 (zh) | 2024-07-04 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021217519A1 (zh) | 用于调整神经网络的方法和装置 | |
US11956031B2 (en) | Communication of measurement results in coordinated multipoint | |
KR101732837B1 (ko) | 공동 압축 및 포워드 중계 시스템 | |
WO2022133865A1 (en) | Methods and systems for artificial intelligence based architecture in wireless network | |
CN116419257A (zh) | 一种通信方法及装置 | |
WO2024138689A1 (zh) | 无线通信的方法及通信设备 | |
US20230136416A1 (en) | Neural network obtaining method and apparatus | |
KR20190093019A (ko) | 클라우드 무선 접속 네트워크의 수신 간섭 상관도에 따른 신호 송수신 방법 및 장치 | |
CN114492784A (zh) | 神经网络的测试方法和装置 | |
WO2023115254A1 (zh) | 处理数据的方法及装置 | |
WO2023283785A1 (zh) | 信号处理的方法及接收机 | |
US20240187052A1 (en) | Communication method and apparatus | |
WO2024008004A1 (zh) | 一种通信方法及装置 | |
WO2024138653A1 (zh) | 用于通信的方法、终端设备以及网络设备 | |
WO2024046288A1 (zh) | 通信方法和装置 | |
WO2023015499A1 (zh) | 无线通信的方法和设备 | |
WO2023198018A1 (zh) | 一种上行信号发送、接收方法及装置 | |
WO2022151064A1 (zh) | 信息发送方法、信息接收方法、装置、设备及介质 | |
WO2023231934A1 (zh) | 一种通信方法及装置 | |
US20240072827A1 (en) | Encoding/decoding method, communication apparatus, and system | |
WO2023279947A1 (zh) | 一种通信方法及装置 | |
US20240146582A1 (en) | Information encoding control method and related apparatus | |
WO2024046215A1 (zh) | 一种通信方法及装置 | |
WO2024077621A1 (zh) | 信道信息反馈的方法、发端设备和收端设备 | |
WO2023179577A1 (zh) | 一种通信方法及相关装置 |