WO2025129409A1 - 一种通信方法、设备及存储介质 - Google Patents

一种通信方法、设备及存储介质 Download PDF

Info

Publication number
WO2025129409A1
WO2025129409A1 PCT/CN2023/139610 CN2023139610W WO2025129409A1 WO 2025129409 A1 WO2025129409 A1 WO 2025129409A1 CN 2023139610 W CN2023139610 W CN 2023139610W WO 2025129409 A1 WO2025129409 A1 WO 2025129409A1
Authority
WO
WIPO (PCT)
Prior art keywords
csi
receiver
assumption
terminal device
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/CN2023/139610
Other languages
English (en)
French (fr)
Inventor
陈文洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to PCT/CN2023/139610 priority Critical patent/WO2025129409A1/zh
Publication of WO2025129409A1 publication Critical patent/WO2025129409A1/zh
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Definitions

  • the embodiments of the present application relate to the field of communication technology, and specifically to a communication method, device, and storage medium.
  • terminal devices usually measure and report channel state information (CSI) based on the assumption of non-artificial intelligence (AI) receivers.
  • CSI channel state information
  • AI non-artificial intelligence
  • the network device is configured with a downlink transmission scheme corresponding to a non-AI receiver.
  • the network device may also introduce a downlink transmission scheme corresponding to an AI receiver.
  • how the terminal device measures the corresponding CSI is an urgent problem to be solved.
  • Embodiments of the present application provide a communication method, device, and storage medium.
  • the terminal device receives configuration information sent by the network device, where the configuration information is used to instruct the terminal device to send channel state information CSI;
  • the communication device provided in the embodiment of the present application may be a terminal device in the above solution or a network device in the above solution, and the communication device includes a processor and a memory.
  • the memory is used to store a computer program, and the processor is used to call and run the computer program stored in the memory to execute the above communication method.
  • the chip provided in the embodiment of the present application is used to implement the above-mentioned communication method.
  • the chip includes: a processor, which is used to call and run a computer program from a memory, so that a device equipped with the chip executes the above-mentioned communication method.
  • the computer-readable storage medium provided in the embodiment of the present application is used to store a computer program, which enables a computer to execute the above-mentioned communication method.
  • the computer program product provided in the embodiment of the present application includes computer program instructions, which enable a computer to execute the above-mentioned communication method.
  • the computer program provided in the embodiment of the present application when executed on a computer, enables the computer to execute the above-mentioned communication method.
  • the embodiment of the present application provides a communication method, in which a terminal device can receive configuration information sent by a network device, the configuration information is used to instruct the terminal device to send CSI; the terminal device measures CSI based on the configuration information, and the CSI includes a first CSI measured based on an AI receiver assumption and/or a second CSI measured based on a non-AI receiver assumption.
  • the first CSI is based on the AI receiver.
  • the terminal device can measure the first CSI and/or the second CSI, thereby improving the measurement accuracy of the CSI and facilitating obtaining the gain of the receiver.
  • FIG1 is a schematic diagram of a communication architecture
  • FIG2 is a schematic diagram of a CSI reporting method of a terminal device
  • Fig. 3 is a schematic diagram of a neuron structure
  • Fig. 4 is a schematic diagram of a neural network structure
  • FIG5 is a flow chart of a communication method according to an embodiment of the present application.
  • FIG6 is a second flow chart of a communication method provided in an embodiment of the present application.
  • FIG7 is a third flow chart of a communication method provided in an embodiment of the present application.
  • FIG11 is a schematic structural diagram of a communication device provided in an embodiment of the present application.
  • FIG12 is a schematic structural diagram of a chip provided in an embodiment of the present application.
  • FIG. 13 is a schematic block diagram of a communication system provided in an embodiment of the present application.
  • the communication system 100 may include a terminal device 110 and a network device 120.
  • the network device 120 may communicate with the terminal device 110 via an air interface.
  • the terminal device 110 and the network device 120 support multi-service transmission.
  • predefined can be implemented by pre-saving corresponding codes, tables or other methods that can be used to indicate relevant information in a device (for example, a terminal device), and the present application does not limit its specific implementation method.
  • predefined may refer to the definition in the protocol.
  • the "protocol” may refer to a standard protocol in the field of communications, such as the Long Term Evolution (LTE) protocol, the New Radio (NR) protocol, and related protocols used in future communication systems, and the present application does not limit this.
  • LTE Long Term Evolution
  • NR New Radio
  • terminal equipment In order for network equipment to perform reasonable scheduling, terminal equipment needs to report CSI so that the network equipment can determine the scheduling information of the terminal equipment, such as the number of transmission layers, precoding matrix, transmit beam, modulation and coding method, etc.
  • the CSI reporting of the terminal device can be performed based on the CSI reporting configuration indicated by the network device.
  • the uplink resources used by the terminal device to report CSI and the downlink reference signal used for CSI measurement can be indicated by the CSI reporting configuration; wherein, each CSI reporting configuration corresponds to a CSI report, and each CSI report may include different information such as Channel State Information-Reference Signal Resource Indicator (CRI), Rank Indicator (RI), Precoding Matrix Indicator (PMI), and Channel Quality Indicator (CQI).
  • CCI Channel State Information-Reference Signal Resource Indicator
  • RI Rank Indicator
  • PMI Precoding Matrix Indicator
  • CQI Channel Quality Indicator
  • CRI is used to determine the CSI-RS resource currently used for channel measurement and the Interference Measurement Resource (IMR) currently used for interference measurement from multiple Channel State Information-Reference Signal (CSI-RS) resources;
  • IMR Interference Measurement Resource
  • CSI-RS Channel State Information-Reference Signal
  • RI is used to report the recommended number of transmission layers
  • PMI is used to determine the recommended precoding matrix from a predefined codebook
  • CQI is used to report the current channel quality
  • the Reference Signal Receiving Power is used to report the RSRP of the synchronization signal block (SSB) or CSI-RS corresponding to the index fed back, so that the network equipment side can determine the beam used for downlink transmission.
  • Quasi-persistent CSI can be transmitted on PUCCH, and its CSI reporting configuration is pre-configured by RRC signaling and activated or deactivated by Media Access Control Element (MAC CE) signaling. After receiving the activation or indication signaling configured by the network device, the terminal device periodically reports CSI on PUCCH until it receives the deactivation signaling and stops reporting CSI.
  • MAC CE Media Access Control Element
  • Quasi-persistent CSI can also be transmitted on the Physical Uplink Shared Channel (PUSCH), and its CSI reporting configuration can be dynamically indicated (activated or deactivated) through downlink control information (DCI) signaling.
  • DCI downlink control information
  • the CSI reporting configuration corresponding to the non-periodic CSI reporting can also be pre-configured through RRC signaling: some of the configurations can be activated through MAC CE signaling, and then the CSI reporting configuration for CSI reporting can be indicated through CSI trigger signaling in DCI. After the terminal device receives the CSI trigger signaling and a certain offset interval, it can report the corresponding CSI on the scheduled PUSCH at one time according to the indicated CSI reporting configuration.
  • AI models are models that can handle a variety of tasks. They have the ability to self-learn and self-adapt, and can dynamically adjust and make decisions based on changes in the environment. AI models can also be called machine learning (ML) models, and the two are equivalent or interchangeable.
  • ML machine learning
  • AI models can be composed of neural networks.
  • a neural network is a computing model composed of multiple interconnected neuron nodes, where the connection between nodes represents the weighted value from the input signal to the output signal, called the weight; each node performs a weighted summation on different input signals and outputs them through a specific activation function.
  • a1, a2, ..., an and 1 are the inputs of the neuron
  • w1, w2, ..., wn and b represent weights
  • Sum represents the summation function
  • f represents the activation function
  • t is the output result.
  • a simple neural network is shown in Figure 4, which includes an input layer, a hidden layer, and an output layer. Through different connection methods, weights, and activation functions of multiple neurons, different outputs can be generated, thereby fitting the mapping relationship from input to output.
  • Each upper-level node is connected to all of its lower-level nodes.
  • This fully connected model can also be called a deep neural network (DNN).
  • DNN deep neural network
  • An AI model can be trained and obtained through the process of data set construction, training, verification and testing. Training can be divided into offline training and online training. Network equipment can obtain a static training result through offline training of data sets, which can be called offline training here. In the process of network equipment or terminal equipment using AI models, as the terminal equipment further measures and/or reports, the network equipment can continue to collect more data and perform real-time online training to optimize the parameters of the AI model to achieve better inference and prediction results. After obtaining the AI model, by inputting the current information into the AI model, the corresponding model output can be inferred.
  • the AI model can be introduced to define corresponding inputs and outputs.
  • the channel information (such as eigenvectors, beam information, delay information, etc.) obtained based on the reference signal measurement can be used as the input of the AI model to infer the corresponding CSI quantization bits.
  • the corresponding AI model on the network device side, which uses the CSI quantization bits as input to infer the corresponding channel information.
  • the terminal device can use the received signal (and some additional information such as the pilot sequence) as the input of the AI model for inference, thereby outputting the detected soft bit symbol (i.e., constellation point).
  • the AI model can also be used for other processes such as positioning, channel coding, channel decoding, beam management, and channel estimation.
  • Terminal devices usually measure and report CSI based on non-AI receiver assumptions (such as MMSE receiver assumptions). At this time, the network equipment is configured with the downlink transmission scheme corresponding to the non-AI receiver. However, if the terminal device adopts the AI receiver assumption, then It is possible to obtain a higher SINR than the non-AI receiver assumption. At this time, if the terminal device still calculates the CSI based on the non-AI receiver assumption, the CSI measurement will be inaccurate, making it difficult to obtain the gain of the AI receiver. Therefore, when the network device introduces the downlink transmission solution corresponding to the AI receiver, how the terminal device measures the corresponding CSI is an urgent problem to be solved.
  • non-AI receiver assumptions such as MMSE receiver assumptions
  • an embodiment of the present application provides a communication method, in which a terminal device can receive configuration information sent by a network device, and the configuration information is used to instruct the terminal device to send CSI; the terminal device measures CSI based on the configuration information, and the CSI includes a first CSI obtained based on an AI receiver assumption measurement and/or a second CSI obtained based on a non-AI receiver assumption measurement.
  • the terminal device can measure the first CSI and/or the second CSI, thereby improving the measurement accuracy of the CSI and facilitating the acquisition of the receiver gain.
  • the terminal device receives the configuration information sent by the network device.
  • the terminal device measures the CSI based on the configuration information, where the CSI includes a first CSI measured based on an AI receiver assumption and/or a second CSI measured based on a non-AI receiver assumption.
  • the terminal device may send the CSI to a network device.
  • the network device can receive the CSI sent by the terminal device.
  • the receiver assumption can be understood as the receiver assumed when the terminal device is measured.
  • the receiver is used for the terminal device to receive signals. When the terminal device is measuring, it is not necessary to use the receiver to receive the measured signal.
  • the information of the received signal is input into the assumed receiver to simulate the reception condition during signal transmission through the assumed receiver.
  • the receiver includes an AI receiver and a non-AI receiver.
  • the receiver assumption includes an AI receiver assumption and a non-AI receiver assumption.
  • the AI receiver assumption is a hypothetical AI receiver to measure the signal reception situation in the case of an AI receiver
  • the non-AI receiver assumption is a hypothetical non-AI receiver to measure the signal reception situation in the case of a non-AI receiver.
  • the AI receiver assumption may be an AI receiver assumed by the terminal device, and the terminal device may measure the first CSI based on the assumed AI receiver, thereby directly outputting the first CSI.
  • the terminal device may measure the first CSI based on the first AI model used by the AI receiver assumption to obtain the first CSI.
  • the non-AI receiver assumption may be a non-AI receiver assumed by the terminal device, and the terminal device may measure the second CSI based on the assumed non-AI receiver, thereby directly outputting the second CSI.
  • the network device After the network device receives the CSI sent by the terminal device, it can perform scheduling based on the CSI, thereby achieving a higher downlink transmission rate.
  • the network device performing scheduling based on the CSI may include: the network device adjusting one or more of the following based on the CSI:
  • Modulation and Coding Scheme such as increasing the MCS level
  • the first CSI or the second CSI may include information such as RI, PMI, and CQI.
  • the measurement based on the AI receiver assumption can be a measurement based on the first AI model, that is, the terminal device assumes that the first AI model is used as the AI receiver to calculate the corresponding CSI.
  • a linear receiver based on a linear algorithm such as MMSE, and MMSE-IRC
  • an AI receiver is a nonlinear receiver.
  • the non-AI receiver hypothesis may include one or more of the following: MMSE-IRC receiver hypothesis, MMSE receiver hypothesis, maximum likelihood receiver hypothesis.
  • the second CSI may be measured based on relevant protocols and implementations.
  • the second CSI may be measured based on an MMSE-IRC receiver assumption; for another example, the second CSI may be measured based on an MMSE receiver assumption; for another example, the second CSI may be measured based on a maximum likelihood receiver assumption.
  • a rank corresponding to the RI included in the first CSI is lower than a first threshold value; and/or a CQI included in the first CSI is lower than a second threshold value.
  • the first The CSI can be measured based on the AI receiver assumption. If the rank and/or modulation coding scheme exceeds the rank and/or modulation coding scheme supported by the AI receiver, the CSI measured by the terminal device is based on the non-AI receiver assumption.
  • the first threshold value may be pre-defined in the protocol, or may be indicated by the network device to the terminal device, which is not limited in the embodiments of the present application.
  • the second threshold value may be pre-defined in the protocol, or may be indicated by the network device to the terminal device, which is not limited in the embodiments of the present application.
  • the terminal device can measure the first CSI based on the AI receiver hypothesis, and the rank corresponding to the RI contained in the first CSI is lower than the first threshold value; and/or the CQI contained in the first CSI is lower than the second threshold value, thereby improving the measurement accuracy of the first CSI and facilitating obtaining the gain of the AI receiver.
  • the rank corresponding to the RI contained in the second CSI is not lower than the first threshold value; and/or the CQI contained in the second CSI is not lower than the second threshold value, that is, the second CSI measured by the terminal device is based on the non-AI receiver assumption.
  • not less than can be understood as “greater than or equal to”.
  • the rank corresponding to the RI included in the second CSI is not less than the first threshold value, which can be understood as the rank corresponding to the RI included in the second CSI is greater than or equal to the first threshold value.
  • the terminal device may measure the second CSI.
  • the network equipment can flexibly configure the receiver assumptions based on CSI, so that the subsequent network equipment can use the downlink transmission schemes corresponding to different receivers to transmit downlink data, thereby improving the downlink transmission rate.
  • the network equipment can use the data and pilot superposition transmission method to transmit downlink data; for another example, for non-AI receivers, the network equipment can use the data and pilot time-frequency multiplexing method to transmit downlink data.
  • the terminal device measures the second CSI, and accordingly, the second information may indicate that the second CSI is based on a non-AI receiver assumption.
  • the CSI is measured based on a non-AI receiver assumption.
  • the receiver hypothesis determined by the network device may be a currently optimal receiver hypothesis.
  • the network device determines that the receiver assumption on which the CSI is based is the AI receiver assumption, it can be considered that the AI receiver assumption is the current optimal receiver assumption.
  • the receiver assumption based on which the CSI determined by the network device is based is a non-AI receiver assumption
  • the non-AI receiver assumption is the current optimal receiver assumption
  • the network device may determine that the first CSI is based on the AI receiver assumption; or, in the case where the CSI includes the second CSI, the network device may determine that the second CSI is based on the non-AI receiver assumption.
  • the network device can determine the receiver assumptions on which the CSI is based. In this way, the network device can use the downlink transmission scheme corresponding to the receiver for downlink data transmission, thereby increasing the downlink transmission rate. For example, for an AI receiver, the network device can use the data and pilot superposition transmission method for downlink data transmission; for another example, for a non-AI receiver, the network device can use the data and pilot time-frequency multiplexing method for downlink data transmission.
  • the terminal device can determine by itself whether the receiver assumption on which the CSI is based is an AI receiver assumption or a non-AI receiver assumption.
  • the terminal device may measure the first CSI based on the AI receiver assumption and measure the second CSI based on the non-AI receiver assumption.
  • the terminal device may select the optimal CSI and its corresponding receiver assumption from the first CSI and the second CSI based on the measurement results.
  • the terminal device measures the first CSI based on the AI receiver assumption and measures the second CSI based on the non-AI receiver assumption
  • the second CSI and its corresponding non-AI receiver assumption can be selected; wherein the second CSI is the optimal CSI.
  • the terminal device measures the first CSI based on the AI receiver assumption and measures the second CSI based on the non-AI receiver assumption
  • the first CSI and its corresponding AI receiver assumption can be selected; wherein the first CSI is the optimal CSI.
  • the terminal device can determine the receiver assumption on which the CSI is based by itself, so that the terminal device can subsequently send the receiver assumption on which the CSI is based to the network device, so that after the network device receives the receiver assumption on which the CSI is based, it can adopt the downlink transmission scheme corresponding to the receiver for downlink data transmission, thereby improving the downlink transmission rate.
  • the network device can use a method of superimposed transmission of data and pilot for downlink data transmission; for another example, for a non-AI receiver, the network device can use a method of time-frequency multiplexing of data and pilot for downlink data transmission.
  • the first CSI may be represented in the following two ways.
  • the first CSI may include the second CSI and a first offset value, and the first offset value may be obtained based on an AI receiver assumption measurement.
  • the terminal device can send the second CSI and the first offset value to the network device, and the network device can receive the second CSI and the first offset value. Since the terminal device sends the second CSI and the first offset value corresponding to the AI receiver at the same time, the network device can obtain the CSI under the two receiver assumptions at the same time, and can perform scheduling more flexibly, thereby increasing the downlink transmission rate.
  • the network device performing scheduling based on the first CSI may include: the network device may further adjust one or more of the following according to the first offset value based on the scheduling result based on the second CSI:
  • MCS such as increasing the MCS level
  • the first offset value may represent an SINR offset or a CQI offset between the first CSI and the second CSI, or the first offset value may represent an SINR offset or a CQI offset between a non-AI receiver and an AI receiver.
  • the first offset value may be obtained by comparing the detection SINRs of an AI receiver and a non-AI receiver.
  • the terminal device can use an AI receiver and a non-AI receiver to receive the same downlink signal and perform detection, and output their respective detection SINRs; after multiple detections and statistics (such as multiple detections and averaging the detection SINRs output by each), the first offset value can be determined by comparing their final detection SINRs (such as their respective averaged detection SINRs).
  • the terminal device can calculate the detection SINR of each transmission layer based on the downlink channel information (channel covariance matrix) and the non-AI receiver assumption.
  • the terminal device can directly output the detection SINR from the AI receiver.
  • the first offset value may be obtained by comparing a first curve and a second curve, wherein the first curve represents the detection performance of the AI receiver and the second curve represents the detection performance of the non-AI receiver.
  • the first curve may be a block error rate (BLER)-SINR curve of an AI receiver under various modulation and coding modes
  • the second curve may be a BLER-SINR curve of a non-AI receiver under various modulation and coding modes.
  • the first offset value may be calculated for one or more of the following:
  • the MCS used for data transmission The MCS used for data transmission;
  • different CQIs may correspond to different first offset values
  • the terminal device may calculate different first offset values for different CQIs, so that when the terminal device subsequently sends the first offset value, different first offset values may be sent for different CQIs.
  • different MCSs used for data transmission may correspond to different first offset values
  • the terminal device may calculate different first offset values for different MCSs used for data transmission, so that when the terminal device subsequently sends the first offset value, different first offset values may be sent respectively for different MCSs used for data transmission.
  • different modulation modes used for data transmission may correspond to different first offset values
  • the terminal device may calculate different first offset values for the modulation modes used for different data transmissions, so that when the terminal device subsequently sends the first offset value, different first offset values may be sent for the modulation modes used for different data transmissions.
  • the terminal device may send a first offset value for each supported modulation mode, and if the network device uses the modulation mode during scheduling, the MCS may be adjusted based on the first offset value corresponding to the modulation mode.
  • the number of transmission layers may be: the number of transmission layers reported by the terminal, or the number of transmission layers used for data transmission. Different numbers of transmission layers may correspond to different first offset values, and the terminal device may calculate different first offset values for different numbers of transmission layers, so that when the terminal device subsequently sends the first offset value, different first offset values may be sent for different numbers of transmission layers.
  • different transmission modes may correspond to different first offset values
  • the terminal device may calculate different first offset values for different transmission modes, so that when the terminal device subsequently sends the first offset value, different first offset values may be sent for different transmission modes respectively.
  • a reporting period of the first offset value is greater than a reporting period of the second CSI.
  • the terminal device can update the first offset value when updating the first AI model, so the first offset value does not need to be frequently reported (i.e., sent).
  • the reporting of the first offset value may be triggered by the terminal device, and the terminal device may report the first offset value once after updating the first AI model.
  • the terminal device when the reporting period of the first offset value is greater than the reporting period of the second CSI, the terminal device does not need to frequently report the first offset value, thereby saving signaling overhead.
  • the first CSI may be measured based on a first AI model, where the first AI model is a model for an AI receiver of the terminal device.
  • the first AI model can be used for data detection on the terminal device side, and can also output the detected SINR or directly output the CSI estimated based on the receiver and the received signal. In this way, the two related functions of data detection and measurement are realized simultaneously through a first AI model, reducing the complexity of the management and training of the first AI model.
  • the terminal device can send the first CSI to the network device, so that after the network device receives the first CSI, it can perform scheduling based on the first CSI to increase the downlink transmission rate.
  • the network device performing scheduling based on the first CSI may include: the network device adjusting one or more of the following based on the first CSI:
  • FIG8 is a fourth flow chart of a communication method provided in an embodiment of the present application. As shown in FIG8 , the method may include the following steps.
  • the first CSI can be measured and reported in two ways:
  • the CSI when the second information indicates that the CSI is based on an AI receiver assumption, the CSI includes the first CSI; or,
  • the CSI includes the second CSI.
  • the first CSI includes the second CSI and a first offset value, and the first offset value is measured based on an AI receiver hypothesis.
  • the first offset value represents a signal to interference and noise ratio (SINR) offset or a channel quality indicator (CQI) offset between the first CSI and the second CSI, or the first offset value represents a SINR offset or a CQI offset between a non-AI receiver and an AI receiver.
  • SINR signal to interference and noise ratio
  • CQI channel quality indicator
  • the first offset value is obtained by comparing the detection SINR of the AI receiver and the non-AI receiver; or,
  • the first offset value is obtained by comparing a first curve and a second curve, the first curve represents the detection performance of the AI receiver, and the second curve represents the detection performance of the non-AI receiver.
  • the first offset value is calculated for one or more of the following:
  • the MCS used for data transmission The MCS used for data transmission;
  • a reporting period of the first offset value is greater than a reporting period of the second CSI.
  • the first CSI is measured based on a first AI model
  • the first AI model is a model for an AI receiver of the terminal device.
  • the configuration information includes third information, and the third information is used to indicate a second AI model used in the AI receiver hypothesis.
  • the rank corresponding to the RI included in the first CSI is lower than a first threshold value; and/or the CQI included in the first CSI is lower than a second threshold value.
  • the CSI is measured based on the AI receiver assumption
  • the CSI is measured based on the non-AI receiver assumption.
  • the non-AI receiver hypothesis includes a minimum mean square error (MMSE) receiver hypothesis and/or a maximum likelihood receiver hypothesis.
  • MMSE minimum mean square error
  • the embodiment of the present application provides a terminal device, which can receive configuration information sent by a network device, and the configuration information is used to instruct the terminal device to send CSI; the terminal device measures CSI based on the configuration information, and the CSI includes a first CSI obtained based on the AI receiver assumption measurement and/or a second CSI obtained based on the non-AI receiver assumption measurement.
  • the terminal device can measure the first CSI and/or the second CSI, thereby improving the measurement accuracy of the CSI and facilitating the acquisition of the receiver gain.
  • FIG. 10 is a schematic diagram of the structure of a network device provided in an embodiment of the present application. As shown in FIG. 10 , the network device 1000 may include:
  • the second communication unit 1010 is configured to send configuration information to the terminal device, where the configuration information is used to instruct the terminal device to send channel state information CSI;
  • the second communication unit 1010 is further configured to receive the CSI sent by the terminal device, where the CSI includes a first CSI obtained by measurement based on an artificial intelligence AI receiver hypothesis and/or a second CSI obtained by measurement based on a non-AI receiver hypothesis.
  • the configuration information includes first information, where the first information is used to indicate that the receiver assumption on which the CSI is based is an AI receiver assumption or a non-AI receiver assumption.
  • the CSI when the first information indicates that the CSI is based on an AI receiver assumption, the CSI includes the first CSI; or,
  • the CSI includes the second CSI.
  • the second communication unit 1010 is further configured to receive second information sent by the terminal device, where the second information is used to indicate that the receiver assumption on which the CSI is based is an AI receiver assumption or a non-AI receiver assumption.
  • the CSI when the second information indicates that the CSI is based on an AI receiver assumption, the CSI includes the first CSI; or,
  • the CSI includes the second CSI.
  • the first CSI includes the second CSI and a first offset value, and the first offset value is measured based on an AI receiver hypothesis.
  • the first offset value represents a signal to interference plus noise ratio (SINR) offset or a channel quality indicator (CQI) offset between the first CSI and the second CSI, or the first offset value represents a SINR offset or a CQI offset between a non-AI receiver and an AI receiver.
  • SINR signal to interference plus noise ratio
  • CQI channel quality indicator
  • the first offset value is obtained by comparing the detection SINR of the AI receiver and the non-AI receiver; or,
  • the first offset value is obtained by comparing a first curve and a second curve, the first curve represents the detection performance of the AI receiver, and the second curve represents the detection performance of the non-AI receiver.
  • the first offset value is calculated for one or more of the following:
  • the MCS used for data transmission The MCS used for data transmission;
  • a reporting period of the first offset value is greater than a reporting period of the second CSI.

Landscapes

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

Abstract

本申请提供一种通信方法、设备及存储介质，该方法包括：终端设备接收网络设备发送的配置信息，配置信息用于指示终端设备发送信道状态信息CSI；终端设备基于配置信息进行CSI的测量，CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。

Description

一种通信方法、设备及存储介质 技术领域
本申请实施例涉及通信技术领域，具体涉及一种通信方法、设备及存储介质。
背景技术
相关技术中，终端设备通常基于非人工智能(Artificial Intelligence，AI)接收机假设进行信道状态信息(Channel State Information，CSI)的测量和上报，此时网络设备配置的是非AI接收机对应的下行传输方案。然而，网络设备还可能引入AI接收机对应的下行传输方案，此时终端设备如何测量对应的CSI是亟需解决的问题。
发明内容
本申请实施例提供一种通信方法、设备及存储介质。
本申请实施例提供的通信方法，包括：
终端设备接收网络设备发送的配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
所述终端设备基于所述配置信息进行CSI的测量，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
本申请实施例提供的通信方法，包括：
网络设备向终端设备发送配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
所述网络设备接收所述终端设备发送的所述CSI，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
本申请实施例提供的终端设备，包括：
第一通信单元，配置为接收网络设备发送的配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
测量单元，配置为基于所述配置信息进行CSI的测量，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
本申请实施例提供的网络设备，包括：
第二通信单元，配置为向终端设备发送配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
所述第二通信单元，还配置为接收所述终端设备发送的所述CSI，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
本申请实施例提供的通信设备，可以是上述方案中的终端设备或者是上述方案中的网络设备，该通信设备包括处理器和存储器。该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行上述的通信方法。
本申请实施例提供的芯片，用于实现上述的通信方法。
具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备执行上述的通信方法。
本申请实施例提供的计算机可读存储介质，用于存储计算机程序，该计算机程序使得计算机执行上述的通信方法。
本申请实施例提供的计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述的通信方法。
本申请实施例提供的计算机程序，当其在计算机上运行时，使得计算机执行上述的通信方法。
本申请实施例提供了一种通信方法，终端设备可以接收网络设备发送的配置信息，配置信息用于指示终端设备发送CSI；终端设备基于配置信息进行CSI的测量，CSI包括基于AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。如此，在第一CSI基于AI接收 机假设测量得到、第二CSI基于非AI接收机假设测量得到的情况下，终端设备可以进行第一CSI和/或第二CSI的测量，从而能够提高CSI的测量准确性，有利于获得接收机的增益。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是一种通信架构示意图；
图2是一种终端设备的CSI上报方式的示意图；
图3是一种神经元结构示意图；
图4是一种神经网络结构示意图；
图5是本申请实施例提供的一种通信方法的流程示意图一；
图6是本申请实施例提供的一种通信方法的流程示意图二；
图7是本申请实施例提供的一种通信方法的流程示意图三；
图8是本申请实施例提供的一种通信方法的流程示意图四；
图9是本申请实施例提供的一种终端设备的结构组成示意图；
图10是本申请实施例提供的一种网络设备的结构组成示意图；
图11是本申请实施例提供的一种通信设备的示意性结构图；
图12是本申请实施例提供的一种芯片的示意性结构图；
图13是本申请实施例提供的一种通信系统的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1是本申请实施例的一个应用场景的示意图。
如图1所示，通信系统100可以包括终端设备110和网络设备120。网络设备120可以通过空口与终端设备110通信。终端设备110和网络设备120之间支持多业务传输。
应理解，本申请实施例仅以通信系统100进行示例性说明，但本申请实施例不限定于此。也就是说，本申请实施例的技术方案可以应用于各种通信系统，例如：长期演进(Long Term Evolution，LTE)系统、LTE时分双工(Time Division Duplex，TDD)、通用移动通信系统(Universal Mobile Telecommunication System，UMTS)、物联网(Internet of Things，IoT)系统、窄带物联网(Narrow Band Internet of Things，NB-IoT)系统、增强的机器类型通信(enhanced Machine-Type Communications，eMTC)系统、5G通信系统(也称为新无线(New Radio，NR)通信系统)，或未来的通信系统等。
在图1所示的通信系统100中，网络设备120可以是与终端设备110通信的接入网设备。接入网设备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110进行通信。
网络设备120可以是LTE系统中的演进型基站(Evolutional Node B，eNB或eNodeB)，或者是下一代无线接入网(Next Generation Radio Access Network，NG RAN)设备，或者是NR系统中的基站(gNB)，或者是云无线接入网络(Cloud Radio Access Network，CRAN)中的无线控制器，或者该网络设备120可以为中继站、接入点、车载设备、可穿戴设备、集线器、交换机、网桥、路由器，或者未来演进的公共陆地移动网络(Public Land Mobile Network，PLMN)中的网络设备等。
终端设备110可以是任意终端设备，其包括但不限于与网络设备120或其它终端设备采用有线或者无线连接的终端设备。
例如，终端设备110可以指接入终端、用户设备(User Equipment，UE)、用户单元、用户站、移动站、移动台、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。接入终端可以是蜂窝电话、无绳电话、会话启动协议(Session Initiation Protocol，SIP)电话、IoT设备、卫星手持终端、无线本地环路(Wireless Local Loop，WLL)站、个人数字处理(Personal Digital Assistant，PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、5G网络中的终端设备或者未来演进网络中的终端设备等。
终端设备110可以用于设备到设备(Device to Device，D2D)的通信。
图1示例性地示出了一个网络设备和两个终端设备，可选地，该通信系统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作限定。
需要说明的是，图1只是以示例的形式示意本申请所适用的系统，当然，本申请实施例所示的方法还可以适用于其它系统。此外，本文中术语“系统”和“网络”在本文中常被可互换使用。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
还需要指出，本申请实施例所涉及的术语“第一\第二\第三”仅是用于区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
此外，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。
应理解，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。
还应理解，在本申请的实施例中提到的“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。
还应理解，在本申请的实施例中提到的“预定义”、“协议约定”、“预先确定”或“预定义规则”可以通过在设备(例如，终端设备)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。还应理解，本申请实施例中，所述“协议”可以指通信领域的标准协议，例如可以包括长期演进(Long Term Evolution，LTE)协议、新无线(New Radio，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。
本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
为便于理解本申请实施例的技术方案，以下对本申请实施例的相关技术进行说明，以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合，其均属于本申请实施例的保护范围。
为了网络设备能够进行合理的调度，终端设备需要上报CSI，从而可以使得网络设备确定传输层数、预编码矩阵、发送波束、调制编码方式等终端设备的调度信息。
需要说明的是，终端设备的CSI上报可以基于网络设备指示的CSI上报配置进行，终端设备上报CSI所用的上行资源以及进行CSI测量所用的下行参考信号可以通过CSI上报配置指示；其中，每个CSI上报配置对应一个CSI上报，每个CSI上报可以包括信道状态信息-参考信号资源指示(Channel State Information-Reference Signal Resource Indicator，CRI)、秩指示(Rank Indicator，RI)、预编码矩阵指示(Precoding Matrix Indicator，PMI)、信道质量指示(Channel Quality Indicator，CQI)等不同的信息。
进一步地，CSI上报包括的信息可以通过CSI上报配置中的上报量信息(ReportQuantity)来确定。该上报量信息可以指示以下上报量中的一个或多个：
CRI用于从多个信道状态信息-参考信号(Channel State Information-Reference Signal，CSI-RS)资源中确定当前用于信道测量的CSI-RS资源，以及当前用于干扰测量的干扰测量资源(Interference Measurement Resource，IMR)；
RI用于上报推荐的传输层数；
PMI用于从预定义的码本中确定推荐的预编码矩阵；
CQI用于上报当前的信道质量；
参考信号接收功率(Reference Signal Receiving Power，RSRP)用于上报所反馈的索引对应的同步信号块(Synchronization Signal/PBCH Block，SSB)或CSI-RS的RSRP，从而用于网络设备侧确定下行传输所用的波束；
层指示(Layer Indicator，LI)用于上报与相位跟踪参考信号(Phase-Tracking Reference Signal，PTRS)关联的传输层的索引。
其中，RI、PMI、CQI中的一个或多个可以基于终端设备估计的信干噪比(Signal to Interference Plus Noise Ratio，SINR)确定，SINR中的信道部分基于网络设备配置的用于信道测量的非零功率 CSI-RS确定，干扰部分基于网络设备配置的用于干扰测量的信道状态信息-干扰测量(Channel State Information-Interferece Measurement，CSI-IM)或者非零功率CSI-RS确定，而检测SINR的计算一般可以基于最小均方误差(Minimum Mean Square Error，MMSE)接收机假设或者最小均方误差-干扰抑制合并(Minimum Mean Square Error-Interference Rejection Combining，MMSE-IRC)接收机假设。CQI可以基于估计的RI和PMI通过计算相应的SINR得到。
图2是一种终端设备的CSI上报方式的示意图。如图2所示，终端设备的CSI上报方式可以包括：周期性CSI上报、准持续性CSI上报以及非周期性CSI上报。下面分别对这三种CSI上报方式进行说明。
周期性CSI可以在物理上行控制信道(Physical Uplink Control Channel，PUCCH)上传输，其CSI上报配置可以由无线资源控制(Radio Resource Control，RRC)信令配置，终端设备接收到相应RRC配置后，可以周期性地上报CSI。
准持续性CSI可以在PUCCH上传输，其CSI上报配置由RRC信令预配置，并由媒体接入控制控制单元(Media Access Control Control Element，MAC CE)信令进行激活或去激活。终端设备接收到网络设备配置的激活或指示信令后，在PUCCH上周期性上报CSI，直到接收到去激活信令后停止上报CSI。
准持续性CSI还可以在物理上行共享信道(Physical Uplink Shared Channel，PUSCH)上传输，其CSI上报配置可以通过下行控制信息(Downlink Control Information，DCI)信令动态指示(激活或去激活)。终端设备接收到网络设备配置的激活或指示信令、并且间隔一定的偏移量之后，可以在PUSCH上周期性上报CSI，直到接收到去激活信令后停止上报。
非周期性的CSI上报对应的CSI上报配置也可以通过RRC信令预配置：可以通过MAC CE信令激活其中的部分配置，再通过DCI中的CSI触发信令指示用于CSI上报的CSI上报配置。终端设备接收到CSI触发信令、并且间隔一定的偏移量之后，可以根据指示的CSI上报配置在所调度的PUSCH上一次性上报对应的CSI。
AI模型是一种可以胜任多种任务处理的模型，它们具备自我学习和自我适应的能力，可以根据环境的变化来进行动态调整和决策。AI模型也可以称为机器学习(Machine Learning，ML)模型，两者等同或者可替换。
实际应用中，AI模型可以由神经网络构成。神经网络是一种由多个神经元节点相互连接构成的运算模型，其中节点间的连接代表从输入信号到输出信号的加权值，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。参考图3所示的神经元结构示意图，其中，a1、a2、……、an和1为神经元的输入，w1、w2、……、wn和b表示权重，Sum表示求和函数，f表示激活函数，t为输出结果。
一个简单的神经网络如图4所示，包含输入层、隐藏层和输出层，通过多个神经元不同的连接方式、权重和激活函数，可以产生不同的输出，进而拟合从输入到输出的映射关系。每一个上一级节点都与其全部的下一级节点相连。此全连接模型也可以叫做深度神经网络(Deep Neural Network，DNN)。
通过数据集的构建、训练、验证和测试等过程可以训练并得到一个AI模型。训练可以分为离线训练和在线训练。网络设备可以通过数据集离线训练的方式得到一个静态的训练结果，这里可以称之为离线训练。在网络设备或终端设备对AI模型的使用过程中，随着终端设备的进一步测量和/或上报，网络设备可以继续收集更多的数据，进行实时的在线训练来优化AI模型的参数，达到更好的推断和预测结果。在得到AI模型后，通过将当前得到的信息输入到AI模型中，可以推理得到相应的模型输出。
为了实现不同的功能，可以引入不同的AI模型，定义相应的输入和输出。示例性地，将AI模型用于CSI反馈时，可以将基于参考信号测量得到的信道信息(如特征向量、波束信息、时延信息等)作为AI模型的输入，从而推理出相应的CSI量化比特。在网络设备侧会有一个对应的AI模型，将CSI量化比特作为输入，就可以推理得到相应的信道信息。
例如，在AI模型用于数据检测，即采用AI接收机假设检测下行信号时，终端设备可以将接收信号(以及导频序列等一些额外信息)作为AI模型的输入进行推理，从而输出检测到的软比特符号(即星座点)。此外，AI模型还可以用于定位、信道编码、信道解码、波束管理、信道估计等其他过程。
终端设备通常基于非AI接收机假设(如MMSE接收机假设)进行CSI的测量和上报，此时网络设备配置的是非AI接收机对应的下行传输方案。然而，若终端设备采用的是AI接收机假设，则 可能获得比非AI接收机假设更高的SINR，此时若终端设备仍然基于非AI接收机假设进行CSI的计算，则会导致CSI的测量不准确，从而难以获得AI接收机的增益。因此，在网络设备引入AI接收机对应的下行传输方案的情况下，终端设备如何测量对应的CSI是亟需解决的问题。
基于此，本申请实施例提供了一种通信方法，终端设备可以接收网络设备发送的配置信息，配置信息用于指示终端设备发送CSI；终端设备基于配置信息进行CSI的测量，CSI包括基于AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。如此，在第一CSI基于AI接收机假设测量得到、第二CSI基于非AI接收机假设测量得到的情况下，终端设备可以进行第一CSI和/或第二CSI的测量，从而能够提高CSI的测量准确性，有利于获得接收机的增益。
为便于理解本申请实施例的技术方案，以下通过具体实施例详述本申请的技术方案。以上相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合，其均属于本申请实施例的保护范围。本申请实施例包括以下内容中的至少部分内容。
图5是本申请实施例提供的一种通信方法的流程示意图，如图5所示，该方法可以包括如下步骤。
S510、网络设备向终端设备发送配置信息，所述配置信息用于指示所述终端设备发送CSI。
相应地，所述终端设备接收所述网络设备发送的所述配置信息。
需要说明的是，配置信息可以为CSI上报配置。
在一些实施例中，配置信息可以用于指示CSI上报所用的信息。例如，配置信息可以用于指示CSI上报所用的时频资源。
S520、所述终端设备基于所述配置信息进行所述CSI的测量，所述CSI包括基于AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
在一些实施例中，所述终端设备可以向网络设备发送所述CSI。
相应地，所述网络设备可以接收所述终端设备发送的所述CSI。
需要说明的是，接收机假设可以理解为终端设备测量时所假设的接收机。接收机用于终端设备进行信号的接收，终端设备进行测量时，不需要用接收机对测量的信号进行接收，将接收信号的信息输入至假设的接收机中，以通过假设的接收机来模拟信号传输时的接收情况。
接收机包括AI接收机和非AI接收机，相应地，接收机假设包括AI接收机假设和非AI接收机假设，AI接收机假设为假设的AI接收机，以测量AI接收机情况下的信号接收情况，非AI接收机假设为假设的非AI接收机，以测量非AI接收机情况下的信号接收情况。
AI接收机假设可以是终端设备所假设的AI接收机，终端设备可以基于该假设的AI接收机进行第一CSI的测量，从而直接输出第一CSI。例如，终端设备可以基于AI接收机假设所用的第一AI模型进行第一CSI的测量，得到第一CSI。
非AI接收机假设可以是终端设备所假设的非AI接收机，终端设备可以基于该假设的非AI接收机进行第二CSI的测量，从而直接输出第二CSI。
应理解，网络设备接收终端设备发送的CSI之后，可以基于该CSI进行调度，从而能够获得更高的下行传输速率。
示例性地，网络设备基于CSI进行调度，可以包括：网络设备基于CSI调整以下一项或多项：
调制与编码策略(Modulation and Coding Scheme，MCS)，例如上调MCS等级；
传输层数；
预编码矩阵。
需要说明的是，第一CSI或第二CSI可以包含RI、PMI、CQI等信息。
还需要说明的是，基于AI接收机假设进行的测量可以是基于第一AI模型进行的测量，也就是说，终端设备假设采用第一AI模型作为AI接收机，从而计算相应的CSI。区别于基于线性算法(如MMSE，又如MMSE-IRC)的线性接收机，AI接收机是一种非线性接收机。
在一些实施例中，非AI接收机假设可以包括以下一项或多项：MMSE-IRC接收机假设、MMSE接收机假设、最大似然接收机假设。
示例性地，第二CSI可以基于相关协议和实现测量得到。例如，第二CSI可以基于MMSE-IRC接收机假设测量得到；再例如，第二CSI可以基于MMSE接收机假设测量得到；再例如，第二CSI可以基于最大似然接收机假设测量得到。
在一些实施例中，所述第一CSI中包含的RI对应的秩(Rank)低于第一门限值；和/或，所述第一CSI中包含的CQI低于第二门限值。
需要说明的是，AI接收机能够支持的秩和/或调制编码方式是存在上限的，在上限范围内，第一 CSI可以基于AI接收机假设测量得到。若秩和/或调制编码方式超过了AI接收机能够支持的秩和/或调制编码方式，则终端设备测量得到的CSI基于非AI接收机假设。
示例性地，第一门限值可以是协议中预先规定的，也可以是网络设备指示给终端设备的，本申请实施例对此不作限定。
示例性地，第二门限值可以是协议中预先规定的，也可以是网络设备指示给终端设备的，本申请实施例对此不作限定。
通过该方法，终端设备可以基于AI接收机假设测量第一CSI，该第一CSI中包含的RI对应的秩低于第一门限值；和/或，第一CSI中包含的CQI低于第二门限值，从而能够提高第一CSI的测量准确性，有利于获得AI接收机的增益。
在一些实施例中，所述第二CSI中包含的RI对应的秩不低于第一门限值；和/或，所述第二CSI中包含的CQI不低于第二门限值，即此时终端设备测量得到的第二CSI基于非AI接收机假设。
还需要说明的是，在本申请实施例中，“不低于”可以理解为“大于或等于”。例如，第二CSI中包含的RI对应的秩不低于第一门限值，可以理解为，第二CSI中包含的RI对应的秩大于或等于第一门限值。
通过该方法，终端设备可以基于非AI接收机假设测量第二CSI，该第二CSI中包含的RI对应的秩不低于第一门限值；和/或，第二CSI中包含的CQI不低于第二门限值，从而能够提高第二CSI的测量准确性，有利于获得非AI接收机的增益。
下面结合方式#A、方式#B和方式#C，对CSI所基于的接收机假设在终端设备与网络设备之间的同步方式分别进行说明。
方式#A：网络设备为终端设备配置CSI所基于的接收机假设。
在一些实施例中，所述配置信息可以包括第一信息，所述第一信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
示例性地，网络设备配置的接收机假设可以是网络设备准备给终端设备配置的传输方案对应的的接收机。
例如，在第一信息指示CSI所基于的接收机假设为AI接收机假设的情况下，可以认为后续网络设备准备配置的传输方案对应AI接收机。
再例如，在第一信息指示CSI所基于的接收机假设为非AI接收机假设的情况下，可以认为后续网络设备准备配置的传输方案对应非AI接收机。
进一步地，在所述第一信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，在所述第一信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
示例性地，在第一信息指示CSI基于AI接收机假设的情况下，终端设备可以进行第一CSI的测量。
示例性地，在第一信息指示CSI基于非AI接收机假设的情况下，终端设备可以进行第二CSI的测量。
通过该方法，网络设备可以灵活配置CSI所基于的接收机假设，从而后续网络设备可以使用不同接收机对应的下行传输方案进行下行数据的传输，提高下行传输的速率。例如，对于AI接收机，网络设备可以采用数据和导频叠加发送的方式进行下行数据的传输；再例如，对于非AI接收机，网络设备可以采用数据和导频时频复用的方式进行下行数据的传输。
方式#B：网络设备接收终端设备上报的接收机假设。
在一些实施例中，所述终端设备可以向所述网络设备发送第二信息，所述第二信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
相应地，所述网络设备可以接收所述终端设备发送的所述第二信息。
示例性地，终端设备向网络设备发送的接收机假设可以是当前最优的接收机假设。
例如，在第二信息指示CSI所基于的接收机假设为AI接收机假设的情况下，可以认为AI接收机假设是当前最优的接收机假设。
再例如，在第二信息指示CSI所基于的接收机假设为非AI接收机假设的情况下，可以认为非AI接收机假设是当前最优的接收机假设。
进一步地，在所述第二信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，在所述第二信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
示例性地，终端设备进行第一CSI的测量，相应地，第二信息可以指示第一CSI基于AI接收机假设。
示例性地，终端设备进行第二CSI的测量，相应地，第二信息可以指示第二CSI基于非AI接收机假设。
通过该方法，终端设备可以向网络设备发送CSI所基于的接收机假设，从而后续网络设备在接收该CSI所基于的接收机假设之后，能够采用该接收机对应的下行传输方案进行下行数据传输，从而提高下行传输的速率。例如，对于AI接收机，网络设备可以采用数据和导频叠加发送的方式进行下行数据传输；再例如，对于非AI接收机，网络设备可以采用数据和导频时频复用的方式进行下行数据传输。
方式#C：网络设备基于接收的CSI确定CSI所基于的接收机假设。
在一些实施例中，在所述CSI中包含的RI对应的秩低于第一门限值，和/或，所述CSI中包含的CQI低于第二门限值的情况下，所述CSI基于AI接收机假设测量得到；
在所述CSI中包含的RI对应的秩不低于第一门限值，和/或，所述CSI中包含的CQI不低于第二门限值的情况下，所述CSI基于非AI接收机假设测量得到。
也就是说，网络设备可以基于CSI中包含的RI和/或CQI的取值，确定CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
示例性地，网络设备确定的接收机假设可以是当前最优的接收机假设。
例如，在网络设备确定CSI所基于的接收机假设为AI接收机假设的情况下，可以认为AI接收机假设是当前最优的接收机假设。
再例如，在网络设备确定的CSI所基于的接收机假设为非AI接收机假设的情况下，可以认为非AI接收机假设是当前最优的接收机假设。
进一步地，在CSI包括第一CSI的情况下，网络设备可以确定第一CSI基于AI接收机假设；或者，在CSI包括第二CSI的情况下，网络设备可以确定第二CSI基于非AI接收机假设。
通过该方法，网络设备可以自身确定CSI所基于的接收机假设。如此，网络设备能够采用该接收机对应的下行传输方案进行下行数据传输，从而提高下行传输的速率。例如，对于AI接收机，网络设备可以采用数据和导频叠加发送的方式进下行数据传输；再例如，对于非AI接收机，网络设备可以采用数据和导频时频复用的方式进行下行数据传输。
在本申请实施例中，终端设备可以自身确定CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
在一些实施例中，终端设备可以基于AI接收机假设进行第一CSI的测量，以及基于非AI接收机假设进行第二CSI的测量，终端设备可以根据测量结果，从第一CSI和第二CSI中选取最优的CSI及其对应的接收机假设。
示例性地，终端设备基于AI接收机假设进行第一CSI的测量，以及基于非AI接收机假设进行第二CSI的测量之后，可以选取第二CSI及其对应的非AI接收机假设；其中，该第二CSI为最优的CSI。
示例性地，终端设备基于AI接收机假设进行第一CSI的测量，以及基于非AI接收机假设进行第二CSI的测量之后，可以选取第一CSI及其对应的AI接收机假设；其中，该第一CSI为最优的CSI。
通过该方法，终端设备可以自身确定CSI所基于的接收机假设，从而后续终端设备可以向网络设备发送CSI所基于的接收机假设，使得网络设备接收CSI所基于的接收机假设之后，能够采用该接收机对应的下行传输方案进行下行数据传输，从而提高下行传输的速率、例如，对于AI接收机，网络设备可以采用数据和导频叠加发送的方式进行下行数据传输；再例如，对于非AI接收机，网络设备可以采用数据和导频时频复用的方式进行下行数据传输。
在本申请实施例中，第一CSI的表征方式可以有以下两种情况。
情况#1：所述第一CSI可以包括所述第二CSI和第一偏移值，所述第一偏移值可以基于AI接收机假设测量得到。
通过该方法，终端设备可以向网络设备发送第二CSI和第一偏移值，网络设备可以接收该第二CSI和第一偏移值。由于终端设备同时发送了第二CSI以及AI接收机对应的第一偏移值，从而网络设备可以同时获得两种接收机假设下的CSI，可以更加灵活的进行调度，进而提高下行传输的速率。
示例性地，网络设备基于第一CSI进行调度，可以包括：网络设备可以在基于第二CSI的调度结果上，进一步根据第一偏移值调整以下一项或多项：
MCS，例如上调MCS等级；
传输层数；
预编码矩阵。
在一些实施例中，所述第一偏移值可以表征所述第一CSI与所述第二CSI之间的SINR偏移或者CQI偏移，或者，所述第一偏移值可以表征非AI接收机与AI接收机之间的SINR偏移或者CQI偏移。
在一些实施例中，所述第一偏移值可以通过对比AI接收机和非AI接收机的检测SINR得到。
示例性地，终端设备可以采用AI接收机和非AI接收机接收同一个下行信号并进行检测，输出各自的检测SINR；在多次检测和统计(如多次检测并对各自输出的检测SINR分别进行平均)之后，可以通过对比各自最终的检测SINR(如各自平均后的检测SINR)，确定第一偏移值。
其中，对于非AI接收机，终端设备可以基于下行信道信息(信道协方差矩阵)和非AI接收机假设来计算每个传输层的检测SINR。
其中，对于AI接收机，终端设备可以从AI接收机中直接输出检测SINR。
在另一些实施例中，所述第一偏移值可以通过对比第一曲线和第二曲线得到，所述第一曲线表征AI接收机的检测性能，所述第二曲线表征非AI接收机的检测性能。
示例性地，第一曲线可以为AI接收机在各个调制编码方式下的误块率(BLER)-SINR曲线，第二曲线可以为非AI接收机在各个调制编码方式下的BLER-SINR曲线。通过对比AI接收机和非AI接收机在各个调制编码方式下的BLER-SINR曲线，可以发现二者在某个MCS下的SINR偏移值，从而作为该MCS下的第一偏移值。
在一些实施例中，所述第一偏移值可以针对以下一项或多项分别进行计算：
所述第二CSI中的CQI；
数据传输所采用的MCS；
数据传输所采用的调制方式；
传输层数；
传输方式。
示例性地，不同的CQI可以对应不同的第一偏移值，终端设备可以针对不同的CQI计算得到不同的第一偏移值，从而后续终端设备发送第一偏移值时，可以为不同的CQI分别发送不同的第一偏移值。
示例性地，数据传输所采用的不同MCS可以对应不同的第一偏移值，终端设备可以针对不同的数据传输所采用的MCS计算得到不同的第一偏移值，从而后续终端设备发送第一偏移值时，可以为数据传输所采用的不同MCS分别发送不同的第一偏移值。
示例性地，不同的数据传输所采用的调制方式可以对应不同的第一偏移值，终端设备可以针对不同的数据传输所采用的调制方式计算得到不同的第一偏移值，从而后续终端设备发送第一偏移值时，可以为不同的数据传输所采用的调制方式分别发送不同的第一偏移值。例如，终端设备可以针对支持的调制方式分别发送一个第一偏移值，网络设备在调度时若使用该调制方式，则可以基于该调制方式对应的第一偏移值进行MCS的调整。
示例性地，传输层数可以是：终端上报的传输层数，或者，数据传输所采用的传输层数。不同的传输层数可以对应不同的第一偏移值，终端设备可以针对不同的传输层数计算得到不同的第一偏移值，从而后续终端设备发送第一偏移值时，可以为不同的传输层数分别发送不同的第一偏移值。
示例性地，不同的传输方式可以对应不同的第一偏移值，终端设备可以针对不同的传输方式计算得到不同的第一偏移值，从而后续终端设备发送第一偏移值时，可以为不同的传输方式分别发送不同的第一偏移值。
在一些实施例中，所述第一偏移值的上报周期大于所述第二CSI的上报周期。
需要说明的是，由于第一偏移值的大小和AI接收机所采用的第一AI模型相关联，终端设备在更新第一AI模型时可以进行第一偏移值的更新，因此第一偏移值不需要频繁进行上报(即发送)。例如，第一偏移值的上报可以是终端设备触发的，终端设备可以在更新第一AI模型后，进行一次第一偏移值的上报。
通过该方法，在第一偏移值的上报周期大于第二CSI的上报周期的情况下，终端设备不需要频繁上报第一偏移值，从而能够节省信令开销。
情况#2：所述第一CSI可以基于第一AI模型测量得到，所述第一AI模型为用于所述终端设备的AI接收机的模型。
需要说明的是，第一AI模型既可以用于终端设备侧数据的检测，同时也可以输出检测SINR或者直接输出基于该接收机和接收信号估计的CSI。这样，通过一个第一AI模型同时实现了数据检测和测量两个关联的功能，减少了第一AI模型管理和训练的复杂度。
通过该方法，终端设备可以向网络设备发送第一CSI，从而网络设备接收该第一CSI之后，可以基于该第一CSI进行调度，提高下行传输的速率。
示例性地，网络设备基于第一CSI进行调度，可以包括：网络设备基于第一CSI调整以下一项或多项：
MCS，例如上调MCS等级；
传输层数；
预编码矩阵。
终端设备获取第一AI模型可以有以下两种可能的实现方式。
在一些实施例中，终端设备可以通过自身训练和维护第一AI模型。
也就是说，第一AI模型是终端设备自身确定的。终端设备可以通过训练得到第一AI模型，并维护该第一AI模型。
在一些实施例中，所述配置信息可以包括第三信息，所述第三信息可以用于指示AI接收机假设中所用的第二AI模型。
进一步地，在一些实施例中，第三信息可以通过指示第二AI模型的模型ID或者模型功能，向终端设备指示第二AI模型。
需要说明的是，第一AI模型与第二AI模型可以是同一AI模型；或者，第一AI模型与第二AI模型可以是不同AI模型。
也就是说，网络设备可以向终端设备指示第二AI模型，终端设备可以使用该第二AI模型进行第一CSI的测量。终端设备测量第一CSI时所假设/使用的第二AI模型可以与用于检测的第一AI模型不同。
本申请实施例提供了一种通信方法，终端设备可以接收网络设备发送的配置信息，配置信息用于指示终端设备发送CSI；终端设备基于配置信息进行CSI的测量，CSI包括基于AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。如此，在第一CSI基于AI接收机假设测量得到、第二CSI基于非AI接收机假设测量得到的情况下，终端设备可以进行第一CSI和/或第二CSI的测量，从而能够提高CSI的测量准确性，有利于获得接收机的增益。
下面结合图6～图8所示通信方法的流程进一步阐述本申请实施例提供的技术方案。应理解，本申请实施例提供的技术方案可以包括但不限于以下内容。
图6是本申请实施例提供的一种通信方法的流程示意图二，如图6所示，该方法可以包括如下步骤：
S610、网络设备向终端设备发送配置信息，配置信息用于指示终端设备发送CSI；配置信息包括第一信息，第一信息用于指示CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设；
S620、在第一信息指示CSI基于AI接收机假设的情况下，终端设备基于配置信息进行第一CSI的测量和发送，第一CSI基于AI接收机假设测量得到；或者，
在第一信息指示CSI基于非AI接收机假设的情况下，终端设备基于配置信息进行第二CSI的测量和发送，第二CSI基于非AI接收机假设测量得到。
图7是本申请实施例提供的一种通信方法的流程示意图三，如图7所示，该方法可以包括如下步骤。
S710、网络设备向终端设备发送配置信息，配置信息用于指示终端设备发送CSI；
S720、终端设备基于配置信息进行第一CSI的测量和第二CSI的测量，第一CSI基于AI接收机假设测量得到，第二CSI基于非AI接收机假设测量得到；
S730、终端设备向网络设备发送第一CSI和第二CSI中最优的CSI和第二信息，第二信息用于指示CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
图8是本申请实施例提供的一种通信方法的流程示意图四，如图8所示，该方法可以包括如下步骤。
S810、网络设备向终端设备发送配置信息，配置信息用于指示终端设备发送CSI；
S820、终端设备基于配置信息进行第一CSI的测量和第二CSI的测量，第一CSI基于AI接收机假设测量得到，第二CSI基于非AI接收机假设测量得到；
S830、终端设备向网络设备发送第一CSI和第二CSI中最优的CSI；
S840、在CSI中包含的RI对应的秩低于第一门限值，和/或，CSI中包含的CQI低于第二门限值的情况下，网络设备确定CSI基于AI接收机假设测量得到；
在CSI中包含的RI对应的秩不低于第一门限值，和/或，CSI中包含的CQI不低于第二门限值的情况下，网络设备确定CSI基于非AI接收机假设测量得到。
以下结合具体应用场景对本申请实施例提供的通信方法进行详细阐述。
本申请实施例提供了一种CSI上报方法，终端设备可以基于接收机假设进行SINR的计算和相应的CSI上报，从而网络设备可以基于终端设备上报的CSI调度基于接收机的下行传输方案，获得更高的传输速率。
基于终端设备获取CSI所基于的接收机假设的两种方式，本申请实施例提供的技术方案主要可以包括以下两个实施例。
实施例一、网络设备为终端设备配置CSI所基于的接收机假设。
1、网络设备向终端设备发送配置信息，该配置信息用于指示终端设备上报CSI。
2、终端设备接收网络设备发送的配置信息，该配置信息用于指示终端设备上报CSI。
(1)配置信息可以为CSI上报配置，用于指示CSI上报所用的信息。
(2)配置信息包括第一信息，第一信息用于指示CSI上报所基于的接收机假设为AI接收机假设或者非AI接收机假设(如MMSE接收机假设，又如最大似然接收机假设)。例如，第一信息用于指示CSI上报所基于的接收机假设为AI接收机假设；或者，第一信息用于指示CSI上报所基于的接收机假设为非AI接收机假设。
(3)AI接收机是指基于第一AI模型进行下行数据的检测，即终端设备可以将接收到的信号(以及导频序列等一些额外信息)作为第一AI模型的输入进行推理，从而输出检测到软比特符号(即星座点)，再进行后续的解调过程。有别于基于线性算法(如MMSE或MMSE-IRC)的线性接收机，AI接收机是一种非线性接收机。
下面的描述以网络设备指示基于AI接收机假设进行第一CSI上报为例。
3、终端设备基于配置信息进行第一CSI的测量和上报。
(1)其中，CSI可以包括第一CSI，第一CSI基于AI接收机假设测量得到。
(2)第一CSI可以包括第二CSI以及第一偏移值，其中，第一偏移值基于AI接收机假设测量得到。在本申请实施例中，第一CSI和第二CSI包含的信息内容类似，例如，第一CSI或第二CSI可以包含RI、PMI和CQI等信息。
a、在一些实施例中，第一偏移值可以表征基于第一CSI和第二CSI之间的SINR偏移或者CQI偏移；或者，第一偏移值可以表征非AI接收机(如线性接收机)和AI接收机之间的SINR偏移或者CQI偏移。
b、在一些实施例中，网络设备接收到第一偏移值后，在调度基于AI接收机的下行传输时，可以在第二CSI的调度结果的基础上结合第一偏移值，从而调整下行传输所用的MCS。例如，若网络设备调度基于非AI接收机的下行传输，则可以基于第二CSI进行调度(例如确定传输层数、预编码矩阵和MCS)；若网络设备调度基于AI接收机的下行传输(例如将数据和导频叠加传输的方式)，则可以在基于第二CSI的调度结果上，进一步根据第一偏移值调整MCS(例如上调MCS等级)，从而获得更高的传输速率。
c、在一些实施例中，第一偏移值可以通过对比AI接收机和非AI接收机的检测SINR得到。例如，终端设备可以采用不同的接收机接收同一个下行信号并进行检测，输出各自的检测SINR，并通过多次检测和统计(例如多次测量并平均)，从而确定第一偏移值。其中，对于非AI接收机，终端设备可以基于下行信道信息(信道协方差矩阵)和非AI接收机假设来计算每个传输层的检测SINR；对于AI接收机，终端设备可以从AI接收机中直接输出检测SINR。
d、在另一些实施例中，第一偏移值可以通过对比AI接收机和非AI接收机的检测性能曲线得到。例如，通过对比AI接收机和非AI接收机在各个调制编码方式下的BLER-SINR曲线，可以发现二者在某个MCS下的SINR偏移值，从而作为该MCS下的第一偏移值。
e、在一些实施例中，第一偏移值可以是与第二CSI中的CQI相关联，或者，第一偏移值可以是与第二CSI中的CQI对应的调制方式相关联。也就是说，不同的CQI值可以对应不同的第一偏移值，或者，不同的调制方式可以对应不同的偏移值。终端设备上报第一偏移值时，可以为不同的CQI值或不同的调制方式分别上报不同的第一偏移值。例如，终端设备针对支持的调制方式分别上报一个第一偏移值，网络设备在调度时若使用这个调制方式，则可以基于该第一偏移值进行MCS的调整。
f、在另一些实施例中，第一偏移值也可以针对不同的传输层数和/或不同的传输方式分别上报。 例如，终端设备可以为每个Rank值分别上报一个第一偏移值；或者，终端可以为不同的传输方式分别上报第一偏移值。
g、在一些实施例中，第一偏移值的上报周期可以长于第二CSI的上报周期。由于第一偏移值的大小和AI接收机所采用的第一AI模型相关，终端设备可以在更新第一AI模型时更新第一偏移值，因而不需要频繁上报第一偏移值。例如，第一偏移值的上报可以是终端设备触发的，终端设备在更新第一AI模型之后，可以进行一次第一偏移值的上报。
h、在一些实施例中，第二CSI可以基于非AI接收机假设测量得到。例如，第二CSI基于线性接收机假设测量得到；或者，第二CSI基于MMSE接收机假设测量得到。也就是说，第二CSI是基于协议和实现测量上报的。
(3)第一CSI中包含的RI对应的Rank值低于第一门限值，和/或，第一CSI中包含的CQI低于第二门限值。
a、也就是说，AI接收机能够支持的Rank值和调制编码方式是存在上限的，在上限范围之内，上报的CSI是基于AI接收机假设测量得到的。其中，第一门限值和第二门限值可以是协议中预先规定的，也可以是由网络设备指示给终端设备的。
b、若CSI中包含的RI对应的Rank值不低于第一门限值，和/或，CSI中包含的CQI不低于第二门限值，则CSI不基于AI接收机假设测量得到。
c、基于终端设备上报的RI和CQI的取值，网络设备可以确定当前上报的CSI是基于AI接收机假设测量得到或者基于非AI接收机假设测量得到，从而网络设备可以基于该CSI进行相应的下行调度。
4、网络设备接收终端设备上报的CSI。
基于实施例一的技术方案，网络设备可以灵活配置终端设备CSI上报所基于的接收机假设，从而得到不同接收机假设下的CSI用于下行调度，提高下行的传输速率。此外，终端设备可能同时上报了第二CSI以及AI接收机对应的第一偏移值，网络设备可以同时获得两种接收机假设下的CSI，从而更加灵活的进行调度。
实施例二、终端设备自身确定CSI所基于的接收机假设。
1、网络设备向终端设备发送配置信息，该配置信息用于指示终端设备上报CSI。
2、终端设备接收网络设备发送的配置信息，该配置信息用于指示终端设备上报CSI。
3、终端设备基于配置信息进行CSI的测量和上报。
(1)终端设备可以向网络设备上报第二信息，第二信息用于指示所上报的CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设(如MMSE接收机假设，又如最大似然接收机假设)。例如，第二信息用于指示CSI上报所基于的接收机假设为AI接收机假设，或者，第二信息用于指示CSI上报所基于的接收机假设为非AI接收机假设。终端设备可以分别计算AI接收机假设和非AI接收机假设各自对应的CSI，从而向网络设备上报其中最优的CSI以及对应的接收机假设，网络设备可以采用该接收机对应的下行传输方案。例如，对于AI接收机，网络设备可以采用数据和导频叠加发送的下行传输方案；对于非AI接收机，网络设备可以采用数据和导频时频复用的下行传输方案。
(2)在终端设备上报的接收机假设为非AI接收机假设的情况下，终端设备上报第二CSI；在终端设备上报的接收机假设为AI接收机假设的情况下，终端设备上报第一CSI。
a、第二CSI可以基于非AI接收机假设测量得到。例如，第二CSI基于线性接收机假设测量得到；或者，第二CSI基于MMSE接收机假设测量得到。也就是说，第二CSI是基于协议和实现测量上报的。
b、第一CSI可以有两种方式进行测量和上报：
方式1：第一CSI包含第二CSI以及第一偏移值，其中，第一偏移值基于AI接收机假设测量得到。第一偏移值可以表征基于第一CSI和第二CSI之间的SINR偏移或者CQI偏移；或者，第一偏移值可以表征非AI接收机(如线性接收机)和AI接收机之间的SINR偏移或者CQI偏移。关于第一偏移值的详细说明可以参考实施例一中的描述，在此不再进行赘述。
方式2：第一CSI可以直接基于第一AI模型测量得到，第一AI模型为用于终端设备的AI接收机的模型。也就是说，第一AI模型既用于终端侧数据的检测，同时也会输出检测SINR或者直接输出基于该AI接收机和接收信号估计的第一CSI。这样，通过一个第一AI模型同时实现了数据检测和测量两个关联的功能，减少了第一AI模型管理和训练的复杂度。第一AI模型可以由网络设备指示给终端设备，也可以由终端设备自身训练和维护。
c、第一CSI和第二CSI包含的信息内容类似，例如，第一CSI或第二CSI可以包含RI、PMI 和CQI等信息。
(3)在一些实施例中，AI接收机假设所用的第二AI模型可以通过网络设备指示给终端设备。示例性地，配置信息可以包括第三信息，第三信息用于指示AI接收机假设中所用的第二AI模型。终端设备可以基于该第二AI模型测量得到第一CSI。进一步地，网络设备可以通过指示AI模型的模型ID或者模型功能，向终端设备指示第二AI模型。
4、网络设备接收终端设备上报的CSI。
基于实施例二的技术方案，终端设备可以根据不同接收机假设下计算出的CSI，向网络设备上报推荐(即最优)的CSI以及该CSI对应的接收机假设。网络设备可以使用该接收机对应的下行传输方案进行下行数据传输，从而提高下行传输的速率。
在本申请实施例中，通过网络设备配置或者终端设备上报CSI所用的接收机假设，网络设备可以采用当前最优的接收机假设对应的CSI用于下行调度。示例性地，相比于基于MMSE等线性接收机假设来获得第二CSI的方式，可以采用AI接收机假设获得第一CSI，以便基于第一CSI获得更高的Rank/MCS，从而获得更高的下行传输速率。
以上结合附图详细描述了本申请的优选实施方式，但是，本申请并不限于上述实施方式中的具体细节，在本申请的技术构思范围内，可以对本申请的技术方案进行多种简单变型，这些简单变型均属于本申请的保护范围。例如，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本申请对各种可能的组合方式不再另行说明。又例如，本申请的各种不同的实施方式之间也可以进行任意组合，只要其不违背本申请的思想，其同样应当视为本申请所公开的内容。又例如，在不冲突的前提下，本申请描述的各个实施例和/或各个实施例中的技术特征可以和相关技术任意的相互组合，组合之后得到的技术方案也应落入本申请的保护范围。
还应理解，在本申请的各种方法实施例中，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。
图9是本申请实施例提供的一种终端设备的结构组成示意图。如图9所示，终端设备900可以包括：
第一通信单元910，配置为接收网络设备发送的配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
测量单元920，配置为基于所述配置信息进行CSI的测量，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
在一些实施例中，所述配置信息包括第一信息，所述第一信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
在一些实施例中，在所述第一信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
在所述第一信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
在一些实施例中，第一通信单元910，还配置为向所述网络设备发送第二信息，所述第二信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
在一些实施例中，在所述第二信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
在所述第二信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
在一些实施例中，所述第一CSI包括所述第二CSI和第一偏移值，所述第一偏移值基于AI接收机假设测量得到。
在一些实施例中，所述第一偏移值表征所述第一CSI与所述第二CSI之间的信干噪比SINR偏移或者信道质量指示CQI偏移，或者，所述第一偏移值表征非AI接收机与AI接收机之间的SINR偏移或者CQI偏移。
在一些实施例中，所述第一偏移值通过对比AI接收机和非AI接收机的检测SINR得到；或者，
所述第一偏移值通过对比第一曲线和第二曲线得到，所述第一曲线表征AI接收机的检测性能，所述第二曲线表征非AI接收机的检测性能。
在一些实施例中，所述第一偏移值针对以下一项或多项分别进行计算：
所述第二CSI中的CQI；
数据传输所采用的MCS；
数据传输所采用的调制方式；
传输层数；
传输方式。
在一些实施例中，所述第一偏移值的上报周期大于所述第二CSI的上报周期。
在一些实施例中，所述第一CSI基于第一AI模型测量得到，所述第一AI模型为用于所述终端设备的AI接收机的模型。
在一些实施例中，所述配置信息包括第三信息，所述第三信息用于指示所述AI接收机假设中所用的第二AI模型。
在一些实施例中，所述第一CSI中包含的RI对应的秩低于第一门限值；和/或，所述第一CSI中包含的CQI低于第二门限值。
在一些实施例中，在所述CSI中包含的RI对应的秩低于第一门限值，和/或，所述CSI中包含的CQI低于第二门限值的情况下，所述CSI基于AI接收机假设测量得到；
在所述CSI中包含的RI对应的秩不低于所述第一门限值，和/或，所述CSI中包含的CQI不低于所述第二门限值的情况下，所述CSI基于非AI接收机假设测量得到。
在一些实施例中，非AI接收机假设包括最小均方误差MMSE接收机假设和/或最大似然接收机假设。
本申请实施例提供了一种终端设备，该终端设备可以接收网络设备发送的配置信息，配置信息用于指示终端设备发送CSI；终端设备基于配置信息进行CSI的测量，CSI包括基于AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。如此，在第一CSI基于AI接收机假设测量得到、第二CSI基于非AI接收机假设测量得到的情况下，终端设备可以进行第一CSI和/或第二CSI的测量，从而能够提高CSI的测量准确性，有利于获得接收机的增益。
本领域技术人员应当理解，本申请实施例的上述终端设备的相关描述可以参照本申请实施例的通信方法的相关描述进行理解。
图10是本申请实施例提供的一种网络设备的结构组成示意图，如图10所示，网络设备1000可以包括：
第二通信单元1010，配置为向终端设备发送配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
第二通信单元1010，还配置为接收所述终端设备发送的所述CSI，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
在一些实施例中，所述配置信息包括第一信息，所述第一信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
在一些实施例中，在所述第一信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
在所述第一信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
在一些实施例中，第二通信单元1010，还配置为接收所述终端设备发送的第二信息，所述第二信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
在一些实施例中，在所述第二信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
在所述第二信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
在一些实施例中，所述第一CSI包括所述第二CSI和第一偏移值，所述第一偏移值基于AI接收机假设测量得到。
在一些实施例中，所述第一偏移值表征所述第一CSI与所述第二CSI之间的信干噪比SINR偏移或者信道质量指示CQI偏移，或者，所述第一偏移值表征非AI接收机与AI接收机之间的SINR偏移或者CQI偏移。
在一些实施例中，所述第一偏移值通过对比AI接收机和非AI接收机的检测SINR得到；或者，
所述第一偏移值通过对比第一曲线和第二曲线得到，所述第一曲线表征AI接收机的检测性能，所述第二曲线表征非AI接收机的检测性能。
在一些实施例中，所述第一偏移值针对以下一项或多项分别进行计算：
所述第二CSI中的CQI；
数据传输所采用的MCS；
数据传输所采用的调制方式；
传输层数；
传输方式。
在一些实施例中，所述第一偏移值的上报周期大于所述第二CSI的上报周期。
在一些实施例中，所述第一CSI基于第一AI模型测量得到，所述第一AI模型为用于所述终端设备的AI接收机的模型。
在一些实施例中，所述配置信息包括第三信息，所述第三信息用于指示所述AI接收机假设中所用的第二AI模型。
在一些实施例中，所述第一CSI中包含的RI对应的秩低于第一门限值；和/或，所述第一CSI中包含的CQI低于第二门限值。
在一些实施例中，在所述CSI中包含的RI对应的秩低于第一门限值，和/或，所述CSI中包含的CQI低于第二门限值的情况下，所述CSI基于AI接收机假设测量得到；
在所述CSI中包含的RI对应的秩不低于所述第一门限值，和/或，所述CSI中包含的CQI不低于所述第二门限值的情况下，所述CSI基于非AI接收机假设测量得到。
在一些实施例中，非AI接收机假设包括最小均方误差MMSE接收机假设和/或最大似然接收机假设。
本申请实施例提供了一种网络设备，该网络设备可以向终端设备发送配置信息，配置信息用于指示终端设备发送信道状态信息CSI；该网络设备可以接收终端设备发送的CSI，CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。如此，在第一CSI基于AI接收机假设测量得到、第二CSI基于非AI接收机假设测量得到的情况下，网络设备可以接收第一CSI和/或第二CSI，从而能够基于第一CSI和/或第二CSI进行调度，提高下行传输的速率。
本领域技术人员应当理解，本申请实施例的上述网络设备的相关描述可以参照本申请实施例的通信方法的相关描述进行理解。
图11是本申请实施例提供的一种通信设备的示意性结构图。该通信设备1100可以是终端设备，也可以是网络设备。图11所示的通信设备1100包括处理器1110，处理器1110可以从存储器中调用并运行计算机程序，以实现本申请实施例中的方法。
在一些实施例中，如图11所示，通信设备1100还可以包括存储器1120。其中，处理器1110可以从存储器1120中调用并运行计算机程序，以实现本申请实施例中的方法。
其中，存储器1120可以是独立于处理器1110的一个单独的器件，也可以集成在处理器1110中。
在一些实施例中，如图11所示，通信设备1100还可以包括收发器1130，处理器1110可以控制该收发器1130与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。
其中，收发器1130可以包括发射机和接收机。收发器1130还可以进一步包括天线，天线的数量可以为一个或多个。
在一些实施例中，该通信设备1100可以是本申请实施例的终端设备，并且该通信设备1100可以实现本申请实施例的各个方法中由终端设备实现的相应流程，为了简洁，在此不再赘述。
在一些实施例中，该通信设备1100可以是本申请实施例的网络设备，并且该通信设备1100可以实现本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。
图12是本申请实施例提供的一种芯片的示意性结构图。图12所示的芯片1200包括处理器1210，处理器1210可以从存储器中调用并运行计算机程序，以实现本申请实施例中的方法。
在一些实施例中，如图12所示，芯片1200还可以包括存储器1220。其中，处理器1210可以从存储器1220中调用并运行计算机程序，以实现本申请实施例中的方法。
其中，存储器1220可以是独立于处理器1210的一个单独的器件，也可以集成在处理器1210中。
在一些实施例中，该芯片1200还可以包括输入接口1230。其中，处理器1210可以控制该输入接口1230与其他设备或芯片进行通信，具体地，可以获取其他设备或芯片发送的信息或数据。
在一些实施例中，该芯片1200还可以包括输出接口1240。其中，处理器1210可以控制该输出接口1240与其他设备或芯片进行通信，具体地，可以向其他设备或芯片输出信息或数据。
在一些实施例中，该芯片可应用于本申请实施例中的终端设备，并且该芯片可以实现本申请实施例的各个方法中由终端设备实现的相应流程，为了简洁，在此不再赘述。
在一些实施例中，该芯片可应用于本申请实施例中的网络设备，并且该芯片可以实现本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。
图13是本申请实施例提供的一种通信系统的示意性框图。如图13所示，该通信系统1300包括终端设备1310和网络设备1320。
其中，该终端设备1310可以用于实现上述方法中由终端设备实现的相应的功能，以及该网络设备1320可以用于实现上述方法中由网络设备实现的相应的功能为了简洁，在此不再赘述。
应理解，本申请实施例的处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解，上述存储器为示例性但不是限制性说明，例如，本申请实施例中的存储器还可以是静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)等等。也就是说，本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质，用于存储计算机程序。
在一些实施例中，该计算机可读存储介质可应用于本申请实施例中的终端设备，并且该计算机程序使得计算机执行本申请实施例的各个方法中由终端设备实现的相应流程，为了简洁，在此不再赘述。
在一些实施例中，该计算机可读存储介质可应用于本申请实施例中的网络设备，并且该计算机程序使得计算机执行本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。
本申请实施例还提供了一种计算机程序产品，包括计算机程序指令。
在一些实施例中，该计算机程序产品可应用于本申请实施例中的终端设备，并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由终端设备实现的相应流程，为了简洁，在此不再赘述。
在一些实施例中，该计算机程序产品可应用于本申请实施例中的网络设备，并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。
本申请实施例还提供了一种计算机程序。
在一些实施例中，该计算机程序可应用于本申请实施例中的终端设备，当该计算机程序在计算机上运行时，使得计算机执行本申请实施例的各个方法中由终端设备实现的相应流程，为了简洁， 在此不再赘述。
在一些实施例中，该计算机程序可应用于本申请实施例中的网络设备，当该计算机程序在计算机上运行时，使得计算机执行本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，)ROM、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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所述以权利要求的保护范围为准。

Claims (38)

  1. 一种通信方法，所述方法包括：
    终端设备接收网络设备发送的配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
    所述终端设备基于所述配置信息进行CSI的测量，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
  2. 根据权利要求1所述的方法，其中，所述配置信息包括第一信息，所述第一信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
  3. 根据权利要求2所述的方法，其中，
    在所述第一信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
    在所述第一信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
  4. 根据权利要求1所述的方法，其中，所述方法还包括：
    所述终端设备向所述网络设备发送第二信息，所述第二信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
  5. 根据权利要求4所述的方法，其中，
    在所述第二信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
    在所述第二信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
  6. 根据权利要求1至5中任一项所述的方法，其中，所述第一CSI包括所述第二CSI和第一偏移值，所述第一偏移值基于AI接收机假设测量得到。
  7. 根据权利要求6所述的方法，其中，所述第一偏移值表征所述第一CSI与所述第二CSI之间的信干噪比SINR偏移或者信道质量指示CQI偏移，或者，所述第一偏移值表征非AI接收机与AI接收机之间的SINR偏移或者CQI偏移。
  8. 根据权利要求6或7所述的方法，其中，
    所述第一偏移值通过对比AI接收机和非AI接收机的检测SINR得到；或者，
    所述第一偏移值通过对比第一曲线和第二曲线得到，所述第一曲线表征AI接收机的检测性能，所述第二曲线表征非AI接收机的检测性能。
  9. 根据权利要求6至8中任一项所述的方法，其中，所述第一偏移值针对以下一项或多项分别进行计算：
    所述第二CSI中的CQI；
    数据传输所采用的MCS；
    数据传输所采用的调制方式；
    传输层数；
    传输方式。
  10. 根据权利要求6至9中任一项所述的方法，其中，所述第一偏移值的上报周期大于所述第二CSI的上报周期。
  11. 根据权利要求1至5中任一项所述的方法，其中，所述第一CSI基于第一AI模型测量得到，所述第一AI模型为用于所述终端设备的AI接收机的模型。
  12. 根据权利要求1至11中任一项所述的方法，其中，所述配置信息包括第三信息，所述第三信息用于指示AI接收机假设中所用的第二AI模型。
  13. 根据权利要求1至12中任一项所述的方法，其中，所述第一CSI中包含的RI对应的秩低于第一门限值；和/或，所述第一CSI中包含的CQI低于第二门限值。
  14. 根据权利要求1、6至13中任一项所述的方法，其中，
    在所述CSI中包含的RI对应的秩低于第一门限值，和/或，所述CSI中包含的CQI低于第二门限值的情况下，所述CSI基于AI接收机假设测量得到；
    在所述CSI中包含的RI对应的秩不低于所述第一门限值，和/或，所述CSI中包含的CQI不低于所述第二门限值的情况下，所述CSI基于非AI接收机假设测量得到。
  15. 根据权利要求1至14中任一项所述的方法，其中，非AI接收机假设包括最小均方误差MMSE接收机假设和/或最大似然接收机假设。
  16. 一种通信方法，所述方法包括：
    网络设备向终端设备发送配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
    所述网络设备接收所述终端设备发送的所述CSI，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
  17. 根据权利要求16所述的方法，其中，所述配置信息包括第一信息，所述第一信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
  18. 根据权利要求17所述的方法，其中，
    在所述第一信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
    在所述第一信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
  19. 根据权利要求16所述的方法，其中，所述方法还包括：
    所述网络设备接收所述终端设备发送的第二信息，所述第二信息用于指示所述CSI所基于的接收机假设为AI接收机假设或者非AI接收机假设。
  20. 根据权利要求19所述的方法，其中，
    在所述第二信息指示所述CSI基于AI接收机假设的情况下，所述CSI包括所述第一CSI；或者，
    在所述第二信息指示所述CSI基于非AI接收机假设的情况下，所述CSI包括所述第二CSI。
  21. 根据权利要求16至20中任一项所述的方法，其中，所述第一CSI包括所述第二CSI和第一偏移值，所述第一偏移值基于AI接收机假设测量得到。
  22. 根据权利要求21所述的方法，其中，所述第一偏移值表征所述第一CSI与所述第二CSI之间的信干噪比SINR偏移或者信道质量指示CQI偏移，或者，所述第一偏移值表征非AI接收机与AI接收机之间的SINR偏移或者CQI偏移。
  23. 根据权利要求21或22所述的方法，其中，
    所述第一偏移值通过对比AI接收机和非AI接收机的检测SINR得到；或者，
    所述第一偏移值通过对比第一曲线和第二曲线得到，所述第一曲线表征AI接收机的检测性能，所述第二曲线表征非AI接收机的检测性能。
  24. 根据权利要求21至23中任一项所述的方法，其中，所述第一偏移值针对以下一项或多项分别进行计算：
    所述第二CSI中的CQI；
    数据传输所采用的MCS；
    数据传输所采用的调制方式；
    传输层数；
    传输方式。
  25. 根据权利要求21至24中任一项所述的方法，其中，所述第一偏移值的上报周期大于所述第二CSI的上报周期。
  26. 根据权利要求16至20中任一项所述的方法，其中，所述第一CSI基于第一AI模型测量得到，所述第一AI模型为用于所述终端设备的AI接收机的模型。
  27. 根据权利要求16至26中任一项所述的方法，其中，所述配置信息包括第三信息，所述第三信息用于指示AI接收机假设中所用的第二AI模型。
  28. 根据权利要求16至27中任一项所述的方法，其中，所述第一CSI中包含的RI对应的秩低于第一门限值；和/或，所述第一CSI中包含的CQI低于第二门限值。
  29. 根据权利要求16、21至28中任一项所述的方法，其中，
    在所述CSI中包含的RI对应的秩低于第一门限值，和/或，所述CSI中包含的CQI低于第二门限值的情况下，所述CSI基于AI接收机假设测量得到；
    在所述CSI中包含的RI对应的秩不低于所述第一门限值，和/或，所述CSI中包含的CQI不低于所述第二门限值的情况下，所述CSI基于非AI接收机假设测量得到。
  30. 根据权利要求16至29中任一项所述的方法，其中，非AI接收机假设包括最小均方误差MMSE接收机假设和/或最大似然接收机假设。
  31. 一种终端设备，包括：
    第一通信单元，配置为接收网络设备发送的配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
    测量单元，配置为基于所述配置信息进行CSI的测量，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
  32. 一种网络设备，包括：
    第二通信单元，配置为向终端设备发送配置信息，所述配置信息用于指示所述终端设备发送信道状态信息CSI；
    所述第二通信单元，还配置为接收所述终端设备发送的所述CSI，所述CSI包括基于人工智能AI接收机假设测量得到的第一CSI和/或基于非AI接收机假设测量得到的第二CSI。
  33. 一种终端设备，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至15中任一项所述的方法。
  34. 一种网络设备，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求16至30中任一项所述的方法。
  35. 一种芯片，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备，执行如权利要求1至15中任一项所述的方法，或执行如权利要求16至30中任一项所述的方法。
  36. 一种计算机可读存储介质，用于存储计算机程序，所述计算机程序的运行使得计算机，执行如权利要求1至15中任一项所述的方法，或执行如权利要求16至30中任一项所述的方法。
  37. 一种计算机程序产品，包括计算机程序指令，该计算机程序指令的运行使得计算机，执行如权利要求1至15中任一项所述的方法，或执行如权利要求16至30中任一项所述的方法。
  38. 一种计算机程序，所述计算机程序的运行使得计算机，执行如权利要求1至15中任一项所述的方法，或执行如权利要求16至30中任一项所述的方法。
PCT/CN2023/139610 2023-12-18 2023-12-18 一种通信方法、设备及存储介质 Pending WO2025129409A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2023/139610 WO2025129409A1 (zh) 2023-12-18 2023-12-18 一种通信方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2023/139610 WO2025129409A1 (zh) 2023-12-18 2023-12-18 一种通信方法、设备及存储介质

Publications (1)

Publication Number Publication Date
WO2025129409A1 true WO2025129409A1 (zh) 2025-06-26

Family

ID=96136010

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/139610 Pending WO2025129409A1 (zh) 2023-12-18 2023-12-18 一种通信方法、设备及存储介质

Country Status (1)

Country Link
WO (1) WO2025129409A1 (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115280833A (zh) * 2022-06-16 2022-11-01 北京小米移动软件有限公司 信道状态信息的处理方法、装置及通信设备
WO2023140772A1 (en) * 2022-01-21 2023-07-27 Telefonaktiebolaget Lm Ericsson (Publ) Hybrid model-learning solution for csi reporting
CN117044125A (zh) * 2021-04-16 2023-11-10 三星电子株式会社 用于支持在fdd mimo系统中进行csi反馈的机器学习或人工智能技术的方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117044125A (zh) * 2021-04-16 2023-11-10 三星电子株式会社 用于支持在fdd mimo系统中进行csi反馈的机器学习或人工智能技术的方法和装置
WO2023140772A1 (en) * 2022-01-21 2023-07-27 Telefonaktiebolaget Lm Ericsson (Publ) Hybrid model-learning solution for csi reporting
CN115280833A (zh) * 2022-06-16 2022-11-01 北京小米移动软件有限公司 信道状态信息的处理方法、装置及通信设备

Similar Documents

Publication Publication Date Title
CN113348711B (zh) 无线通信中的信道状态评估和上报方案
EP4183075A2 (en) System and method for coordinated transmissions and feedback
US12133156B2 (en) Method and base station for determining transmission path in wireless communication system
CN110198180B (zh) 一种链路自适应调整方法、设备及计算机可读存储介质
WO2023029751A1 (zh) 自适应编码调制方法、装置、电子设备和存储介质
US20240098773A1 (en) Method for user device assisted link adaptation in communication networks
WO2017050213A1 (zh) 一种链路自适应的方法及装置
CN113453329B (zh) 干扰处理方法及节点设备
WO2024164893A1 (zh) 一种信息处理方法、设备及可读存储介质
WO2024021652A1 (zh) 一种无线通信方法及设备、存储介质
WO2025129409A1 (zh) 一种通信方法、设备及存储介质
WO2025035251A1 (zh) 模型失败恢复方法及装置、终端设备、网络设备
WO2024046140A1 (zh) 一种反馈处理方法、装置、存储介质及电子装置
CN108322242A (zh) 一种干扰控制方法、装置、用户设备、基站及系统
US20260107188A1 (en) Information compression method and apparatus, and terminal device and network device
WO2025073119A1 (zh) 通信方法及装置、终端设备、网络设备
WO2025076745A1 (zh) 信号处理方法及装置、终端设备、网络设备
CN114501622B (zh) 一种传输处理方法及装置
CN115085860B (zh) Cqi调整方法、设备、装置及存储介质
WO2025145448A1 (zh) 通信方法、装置、设备、芯片及存储介质
CN122003911A (zh) 信息处理方法及装置、终端设备、网络设备
WO2025024999A1 (zh) 处理时延要求的确定方法及装置、终端设备、网络设备
CN122003940A (zh) 通信方法及装置、终端设备、网络设备
WO2025260372A1 (zh) 波束管理方法、装置、终端设备、网络设备、芯片、介质、及程序产品
CN119155004A (zh) 信息传输方法、装置及存储介质

Legal Events

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

Ref document number: 23961756

Country of ref document: EP

Kind code of ref document: A1