与无线通信系统中使用人工智能和机器学习的状态测量报告有关的方法和设备与流程

摘要: 本公开涉及在无线通信系统中使用人工智能和机器学习进行状态测量报告的方法和设备。背景技术:1、5g移动通信技术定义了宽频带,使得高传输速率和新服务是可能的,并且不...
与无线通信系统中使用人工智能和机器学习的状态测量报告有关的方法和设备与流程

本公开涉及在无线通信系统中使用人工智能和机器学习进行状态测量报告的方法和设备。

背景技术:

1、5g移动通信技术定义了宽频带,使得高传输速率和新服务是可能的,并且不仅可以在诸如3.5 ghz的“6 ghz之下”频带中实现,而且可以在包括28 ghz和39 ghz的称为mmwave的“高于6ghz”频带中实现。此外,已经考虑在太赫兹频带(例如,95 ghz至3 thz频带)中实现6 g移动通信技术(称为超5 g系统),以便实现比5 g移动通信技术快五十倍的传输速率和5 g移动通信技术的十分之一的超低延迟。

2、在5g移动通信技术的开发开始时,为了支持服务并满足与增强型移动宽带(embb)、超可靠低延迟通信(urllc)和大规模机器类型通信(mmtc)相关的性能要求,正在进行关于波束成形和大规模mimo的标准化,用于减轻毫米波中的无线电波路径损耗并增加无线电波传输距离,支持用于有效利用毫米波资源和时隙格式的动态操作的参数集(例如,操作多个子载波间隔),用于支持多波束传输和宽带的初始接入技术,带宽部分(bwp)的定义和操作,新的信道译码方法(诸如用于大量数据传输的低密度奇偶校验(ldpc)码和用于控制信息的高度可靠传输的极化码),l2预处理,以及用于提供专用于特定服务的专用网络的网络切片。

3、当前,鉴于5g移动通信支持的服务,正在讨论关于初始5g移动通信技术的改进和性能增强,并且已经存在关于诸如车辆到一切(v2x)的技术的物理层标准化,用于基于关于由车辆发送的车辆的位置和状态的信息来辅助自主车辆的驾驶确定并用于增强用户便利性,旨在符合未许可频带中的各种法规相关要求的系统操作的nr-u新无线电未许可(nr-u),nr ue节能,非地面网络(ntn),其是用于在与地面网络的通信不可用的区域中提供覆盖和定位的ue-卫星直接通信。

4、此外,在空中接口架构/协议中一直存在关于技术的标准化,所述技术诸如用于通过与其他行业互通和融合来支持新服务的工业物联网(iiot)、用于通过以集成方式支持无线回程链路和接入链路来提供用于网络服务区域扩展的节点的集成接入和回程(iab)、包括条件切换和双活动协议栈(daps)切换的移动性增强、以及用于简化随机接入过程的两步随机接入(用于nr的两步rach)。关于用于组合网络功能虚拟化(nfv)和软件定义网络(sdn)技术的5g基线架构(例如,基于服务的架构或基于服务的接口)以及用于基于ue位置接收服务的移动边缘计算(mec)的系统架构/服务也正在进行标准化。

5、随着5g移动通信系统的商业化,已经呈指数增长的连接设备将连接到通信网络,并且因此预期5g移动通信系统的增强功能和性能以及连接设备的集成操作将是必要的。为此,安排了与扩展现实(xr)相关的新研究,用于有效地支持增强现实(ar)、虚拟现实(vr)、混合现实(mr)等,通过利用人工智能(ai)和机器学习(ml)、ai服务支持、元空间服务支持和无人机通信来改善5g性能和降低复杂性。

6、此外,5g移动通信系统的这种开发不仅将作为开发用于提供6g移动通信技术的太赫兹频带覆盖的新波形,诸如全维mimo(fd-mimo)、阵列天线和大规模天线的多天线传输技术,用于改善太赫兹频带信号覆盖的基于超材料的透镜和天线,使用轨道角动量(oam)的高维空间复用技术和可重构智能表面(ris)的基础,还将作为开发用于提高6g移动通信技术的频率效率和改善系统网络的全双工技术,用于通过从设计阶段利用卫星和ai并内化端到端ai支持功能来实现系统优化的基于ai的通信技术,以及用于通过利用超高性能通信和计算资源来实现复杂度水平超过ue操作能力限制的服务的下一代分布式计算技术的基础。

7、随着如上所述的无线通信系统的进步,可以提供各种服务,并且因此需要有效地提供这些服务的方式。

技术实现思路

1、技术问题

2、本发明旨在引入一种基于人工智能和机器学习(ai/ml)算法的信道环境测量和预测方法,用于在高密度微小区环境和具有高移动性的环境中实现主动切换算法,并且减少报告信道环境测量和预测时可能导致的开销,从而提高网络的整体性能和稳定性。

3、本公开中追求的技术主题可以不限于上述技术主题,并且本公开所属领域的技术人员可以从以下描述中清楚地理解本文未提及的其他技术主题。

4、问题的解决方案

5、为了解决上述问题,根据本公开的实施例,由无线通信系统中的终端执行的方法可以包括:从基站接收包括层1(l1)测量预测配置信息或l1测量记录配置信息的第一消息;基于l1测量预测配置信息生成至少一个l1测量结果预测值,或者基于l1测量记录配置信息记录至少一个l1测量结果值;以及向基站发送包括至少一个l1测量结果预测值或记录的至少一个l1测量结果值的第二消息。

6、另外,该方法还可以包括向基站发送第三消息,该第三消息包括指示终端是否支持l1测量预测的信息和指示终端是否支持l1测量记录的信息中的至少一个。

7、另外,l1测量预测配置信息可以包括小区信息、波束信息、预测间隔、预测周期(period)、l1滤波是否被执行、l1滤波参数和报告周期中的至少一个。

8、另外,l1测量记录配置信息可以包括小区信息、波束信息、记录间隔、记录周期、l1滤波是否被执行、l1滤波参数和报告周期中的至少一个。

9、另外,该方法还可以包括:在切换或小区重选操作被执行的情况下,向目标基站发送包括指示至少一个l1测量结果预测值或记录的至少一个l1测量结果值被存储在终端中的信息的第四消息,以及基于来自目标基站的请求,向目标基站发送包括至少一个l1测量结果预测值或记录的至少一个l1测量结果值的第五消息。

10、另外,为了解决上述问题,根据实施例的由无线通信系统中的基站执行的方法可以包括:向终端发送包括层1(l1)测量预测配置信息或l1测量记录配置信息的第一消息;以及从终端接收第二消息,该第二消息包括基于l1测量预测配置信息生成的至少一个l1测量结果预测值和基于l1测量记录配置信息记录的至少一个l1测量结果值。

11、另外,该方法还可以包括从终端接收第三消息,该第三消息包括指示终端是否支持l1测量预测的信息和指示终端是否支持l1测量记录的信息中的至少一个。

12、此外,该方法还可以包括:在基站根据小区重选操作被选择的情况下,从终端接收第四消息,该第四消息包括指示至少一个l1测量结果预测值或记录的至少一个l1测量结果值被存储在终端中的信息;向终端发送第五消息,该第五消息包括用于请求至少一个l1测量结果预测值或记录的至少一个l1测量结果值的信息;以及从终端接收第六消息,该第六消息包括至少一个l1测量结果预测值或记录的至少一个l1测量结果值。

13、此外,为了解决上述问题,根据本公开的实施例的无线通信系统中的终端可以包括收发器和控制器,该控制器连接到收发器并且被配置为从基站接收包括层1(l1)测量预测配置信息或l1测量记录配置信息的第一消息,基于l1测量预测配置信息生成至少一个l1测量结果预测值,或者基于l1测量记录配置信息记录至少一个l1测量结果值,以及向基站发送包括至少一个l1测量结果预测值或记录的至少一个l1测量结果值的第二消息。

14、另外,为了解决上述问题,根据本公开的实施例的无线通信系统中的基站可以包括收发器和控制器,该控制器连接到收发器并且被配置为向终端发送包括层1(l1)测量预测配置信息或l1测量记录配置信息的第一消息,并且从终端接收第二消息,该第二消息包括基于l1测量预测配置信息生成的至少一个l1测量结果预测值和基于l1测量记录配置信息记录的至少一个l1测量结果值。

15、根据本公开的实施例,一种由无线通信系统中支持人工智能和机器学习(ai/ml)的终端和基站或移动通信网络设备执行的方法。该方法可以包括:从基站接收基于ai/ml的波束或小区信道状态预测或当前波束或小区测量的配置信息;基于配置信息执行基于ai/ml的波束或小区信道状态预测或当前波束或小区信道状态测量;基于配置信息向基站发送预测或测量结果的报告;基于来自基站的配置信息或在连接状态改变的情况下终止测量或预测;以及当有来自基站的请求时报告预测或测量的结果。

16、发明的有益效果

17、根据本公开的各种实施例,可以在期望的时间发起启用主动切换过程的波束或小区的信道状态预测/测量信息,并且可以以低开销发送,并且根据网络的情况终止预测/测量,由此可以提高网络的整体性能和稳定性,而不会由于预测/测量而导致性能下降。

18、从本公开可获得的有益效果可以不限于上述效果,并且本公开所属领域的技术人员可以从以下描述中清楚地理解本文未提及的其他效果。