用于人工智能/机器学习模型的通过无线电传播特定适配实现的模型可缩放性的制作方法
本申请整体涉及无线通信系统,包括实现用于缩放人工智能(ai)/机器学习(ml)模型的机制的无线通信系统。
背景技术:
1、无线移动通信技术使用各种标准和协议来在基站与无线通信设备之间发送数据。无线通信系统标准和协议可包括例如第3代合作伙伴计划(3gpp)长期演进(lte)(例如,4g)、3gpp新无线电(nr)(例如,5g)和用于无线局域网(wlan)的电气和电子工程师协会(ieee)802.11标准(行业组织内通常称其为wi-fi®)。
2、如3gpp所设想,不同的无线通信系统标准和协议可使用各种无线电接入网(ran),以用于在ran的基站(有时也可称为ran节点、网络节点,或简称为节点)与被称为用户装备(ue)的无线通信设备之间进行通信。3gpp ran可包括例如全球移动通信系统(gsm)、增强型数据速率gsm演进(edge)ran(geran)、通用地面无线电接入网(utran)、演进通用地面无线电接入网(e-utran)和/或下一代无线电接入网(ng-ran)。
3、每个ran可使用一种或多种无线电接入技术(rat)来执行基站与ue之间的通信。例如,geran实现gsm和/或edge rat,utran实现通用移动电信系统(umts)rat或其他3gpprat,e-utran实现lte rat(有时简称为lte),并且ng-ran实现nr rat(在本文中有时称为5grat、5g nr rat或简称nr)。在某些部署中,e-utran还可实现nr rat。在某些部署中,ng-ran还可实现lte rat。
4、ran所用的基站可与该ran相对应。e-utran基站的一个示例是演进通用地面无线电接入网(e-utran)节点b(通常也表示为演进节点b、增强型节点b、enodeb或enb)。ng-ran基站的一个示例是下一代节点b(有时也被称为g节点b或gnb)。
5、ran通过其与核心网络(cn)的连接与外部实体一起提供通信服务。例如,e-utran可利用演进分组核心(epc),而ng-ran可利用5g核心网络(5gc)。
技术实现思路
1.一种用户装备(ue)操作用于网络信号处理的人工智能(ai)/机器学习(ml)模型的方法,所述人工智能(ai)/机器学习(ml)模型包括ai/ml核心和根据所述ai/ml模型的第一配置与所述ai/ml核心对接的第一可交换处理块,所述方法包括:
2. 根据权利要求1所述的方法,其中:
3. 根据权利要求2所述的方法,其中:
4. 根据权利要求2所述的方法,其中:
5. 根据权利要求1所述的方法,其中:
6. 根据权利要求5所述的方法,其中:
7. 根据权利要求5所述的方法,其中:
8.根据权利要求1所述的方法,其中确定所述ue在所述ai/ml模型处于所述第一配置时不能充分地生成所述第一推理包括:基于来自所述基站的所述第一网络信令,检测到所述ai/ml模型的所述第一配置与所述ue处的无线电条件不兼容。
9.根据权利要求1所述的方法,其中确定所述ue在所述ai/ml模型处于所述第一配置时不能充分地生成所述第一推理包括:确定针对所述ai/ml模型的模型监测度量在可接受范围之外。
10.根据权利要求1所述的方法,其中确定所述ue不能使用所述第一ai/ml模型来充分地生成所述第一推理包括:确定所述ue不能充分地接收与所述第一输入数据相对应的所述第一网络信令。
11.根据权利要求1所述的方法,其中所述ai/ml模型包括波束测量ai/ml模型。
12.根据权利要求1所述的方法,其中所述ai/ml模型包括信道状态信息(csi)压缩ai/ml模型。
13.根据权利要求1所述的方法,所述方法还包括向所述基站传送对所述第二网络信令的请求。
14.一种用户装备(ue)操作用于网络信号处理的人工智能(ai)/机器学习(ml)模型的方法,所述人工智能(ai)/机器学习(ml)模型包括ai/ml核心和根据所述ai/ml模型的第一配置与所述ai/ml核心对接的第一可交换处理块,所述方法包括:
15. 根据权利要求14所述的方法,其中:
16. 根据权利要求15所述的方法,其中:
17. 根据权利要求15所述的方法,其中:
18. 根据权利要求14所述的方法,其中:
19. 根据权利要求18所述的方法,其中:
20. 根据权利要求18所述的方法,其中:
21. 根据权利要求14所述的方法,所述方法还包括:
22. 根据权利要求14所述的方法,所述方法还包括:
23. 根据权利要求14所述的方法,所述方法还包括:
24.根据权利要求14所述的方法,所述方法还包括向所述基站传送对所述第一网络信令的请求。
25.一种与用户装备(ue)通信的基站的方法,所述用户装备(ue)操作用于网络信号处理的人工智能(ai)/机器学习(ml)模型,所述人工智能(ai)/机器学习(ml)模型包括ai/ml核心和根据所述ai/ml模型的第一配置与所述ai/ml核心对接的第一可交换处理块,所述方法包括:
26. 根据权利要求25所述的方法,其中:
27. 根据权利要求26所述的方法,其中:
28. 根据权利要求26所述的方法,其中:
29. 根据权利要求25所述的方法,其中:
30. 根据权利要求29所述的方法,其中:
31. 根据权利要求29所述的方法,其中:
32.根据权利要求25所述的方法,所述方法还包括从所述ue接收关于所述第一网络信令的反馈,并且其中确定所述ue在所述ai/ml模型处于所述第一配置时不能充分地生成所述第一推理包括:基于来自所述ue的关于所述第一网络信令的所述反馈,检测到所述ai/ml模型的所述第一配置与所述ue处的无线电条件不兼容。
33.根据权利要求25所述的方法,其中确定在所述ai/ml模型处于所述第一配置时所述ue不能充分地生成所述第一推理包括:确定针对所述ai/ml模型的模型监测度量在可接受范围之外。
34.根据权利要求25所述的方法,所述方法还包括从所述ue接收所述ue不能充分地从所述基站接收所述第一网络信令的指示,并且其中确定所述ue在所述ai/ml模型处于所述第一配置时不能充分地生成所述第一推理是基于所述指示的。
35.根据权利要求25所述的方法,其中所述ai/ml模型包括波束测量ai/ml模型。
36.根据权利要求25所述的方法,其中所述ai/ml模型包括信道状态信息(csi)压缩ai/ml模型。
37.根据权利要求25所述的方法,所述方法还包括从所述ue接收对所述第二网络信令的请求,其中传送所述第二网络信令响应于所述请求而发生。
38.一种装置,所述装置包括用于执行根据权利要求1至权利要求37中任一项所述的方法的部件。
39.一种计算机可读介质,所述计算机可读介质包括指令,所述指令在由电子设备的一个或多个处理器执行时使所述电子设备执行根据权利要求1至权利要求37中任一项所述的方法。
40.一种装置,所述装置包括用于执行根据权利要求1至权利要求37中任一项所述的方法的逻辑部件、模块或电路。
41.一种用于用户装备(ue)的基带处理器,所述基带处理器被配置为使所述ue执行根据权利要求1至权利要求24中任一项所述的一个或多个元素。
42.一种用于基站的基带处理器,所述基带处理器被配置为使所述基站执行根据权利要求25至权利要求37中任一项所述的一个或多个元素。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com