UE能力上报方法、装置、通信节点及存储介质与流程
本申请涉及无线通信领域,具体涉及一种ue能力上报方法、装置、通信节点及存储介质。
背景技术:
1、随着人工智能(artificial intelligenc,ai)/机器学习(machine learning,ml)技术的发展,目前业界提出将ai/ml功能应用于移动通信领域的提案,以提高无线通信系统的性能。但是ai/ml功能所需计算资源较多,而用户设备(user equipment,ue)的计算能力较为有限,因此ue侧对ai/ml功能的支持能力也有限,那么为了实现ue侧的ai/ml功能,需要由ue侧向网络侧上报对ai/ml功能的支持能力。因此具体如何进行ue侧ai/ml功能的上报是目前亟待解决的问题。
2、申请内容
3、有鉴于此,本申请实施例期望提供一种ue能力上报方法、装置、通信节点及存储介质。
4、第一方面,本申请实施例提供一种ue能力上报方法,应用于ue,包括:
5、接收网络侧节点发送的ue能力查询信息,ue能力查询信息用于查询ue的ai/ml支持能力信息;
6、向网络侧节点发送ue的ai/ml支持能力信息;
7、接收网络侧节点发送的rrc重配置信息,rrc重配置信息用于请求ue对支持的ai/ml功能或模型的适用性报告;
8、向网络侧节点发送ue对支持的ai/ml功能或模型的适用性报告。
9、第二方面,本申请实施例提供一种ue能力上报方法,应用于网络侧节点,包括:
10、向ue发送ue能力查询信息,ue能力查询信息用于查询ue的ai/ml支持能力信息;
11、接收ue发送的ai/ml支持能力信息;
12、向ue发送rrc重配置信息,rrc重配置信息用于请求ue对支持的ai/ml功能或模型的适用性报告;
13、接收ue发送的ue对支持的ai/ml功能或模型的适用性报告。
14、第三方面,本申请实施例提供一种ue能力上报装置,包括:
15、接收模块,用于接收网络侧节点发送的ue能力查询信息,ue能力查询信息用于查询ue的ai/ml支持能力信息;
16、发送模块,用于向网络侧节点发送ue的ai/ml支持能力信息;
17、接收模块,还用于接收网络侧节点发送的rrc重配置信息,rrc重配置信息用于请求ue对支持的ai/ml功能或模型的适用性报告;
18、发送模块,还用于向网络侧节点发送ue对支持的ai/ml功能或模型的适用性报告。
19、第四方面,本申请实施例提供一种ue能力上报装置,包括:
20、发送模块,用于向ue发送ue能力查询信息,ue能力查询信息用于查询ue的ai/ml支持能力信息;
21、接收模块,用于接收ue发送的ai/ml支持能力信息;
22、发送模块,还用于向ue发送rrc重配置信息,rrc重配置信息用于请求ue对支持的ai/ml功能或模型的适用性报告;
23、接收模块,还用于接收ue发送的ue对支持的ai/ml功能或模型的适用性报告。
24、第五方面,本申请实施例提供一种ue,包括:
25、存储器,被配置为存储程序;
26、处理器,被配置为执行程序,当程序被执行时,执行如第一方面任一种实现方式的ue能力上报方法。
27、第六方面,本申请实施例提供一种网络侧节点,其特征在于,包括:
28、存储器,被配置为存储程序;
29、处理器,被配置为执行程序,当程序被执行时,执行如第二方面任一种实现方式的ue能力上报方法。
30、第七方面,本申请实施例提供一种非易失存储介质,存储介质包括存储的程序,其特征在于,程序运行时执行第一方面任一种实现方式的ue能力上报方法,或者执行第二方面任一种实现方式的ue能力上报方法。
技术实现思路
1.一种ue能力上报方法,应用于用户设备ue,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述ue的ai/ml支持能力信息包括如下至少一种:
3.根据权利要求2所述的方法,其特征在于,所述ue支持的al/ml功能或模型信息包括如下至少一种:
4.根据权利要求3所述的方法,其特征在于,所述ue的硬件对ai/ml功能或模型的支持信息,包括如下至少之一:
5.根据权利要求3所述的方法,其特征在于,所述ue的硬件对ai/ml功能或模型的支持信息,包括如下至少之一:
6.根据权利要求3所述的方法,其特征在于,所述ue对基于ai/ml功能或模型的支持信息,包括所述ue是否支持如下能力至少之一:
7.根据权利要求6所述的方法,其特征在于,对于支持的基于ai/ml的波束测量预测,所述ue包括如下能力信息中的至少一种:
8.根据权利要求6所述的方法,其特征在于,所述基于ai/ml的波束测量预测,包括如下之一:
9.根据权利要求2所述的方法,其特征在于,所述ue对数据收集功能的支持信息,指示所述ue的如下能力至少之一:
10.根据权利要求9所述的方法,其特征在于,所述ue对数据收集功能的支持信息携带在ue新无线电nr能力信息中,或者所述ue对数据收集功能的支持信息携带在ue基础测量参数中。
11.根据权利要求1~10任一项所述的方法,其特征在于,所述ue的ai/ml支持能力信息通过专用于ai/ml能力上报的信令上报,或者所述ue的ai/ml支持能力信息携带在ue nr能力信息中。
12.根据权利要求1~10任一项所述的方法,其特征在于,还包括:
13.根据权利要求1~10任一项所述的方法,其特征在于,所述rrc重配置信息中包括完全模型推理配置信息或者部分模型推理配置信息;
14.一种ue能力上报方法,应用于网络侧节点,其特征在于,包括:
15.根据权利要求14所述的方法,其特征在于,所述ue的ai/ml支持能力信息包括如下至少一种:
16.根据权利要求15所述的方法,其特征在于,所述ue支持的al/ml功能或模型信息包括如下至少一种:
17.根据权利要求16所述的方法,其特征在于,所述ue的硬件对ai/ml功能或模型的支持信息,包括如下至少之一:
18.根据权利要求16所述的方法,其特征在于,所述ue的硬件对ai/ml功能或模型的支持信息,包括如下至少之一:
19.根据权利要求16所述的方法,其特征在于,所述ue对基于ai/ml功能或模型的支持信息,包括所述ue是否支持如下能力至少之一:
20.根据权利要求19所述的方法,其特征在于,对于支持的基于ai/ml的波束测量预测,所述ue包括如下能力信息中的至少一种:
21.根据权利要求19所述的方法,其特征在于,所述基于ai/ml的波束测量预测,包括如下之一:
22.根据权利要求15所述的方法,其特征在于,所述ue对数据收集功能的支持信息,指示所述ue的如下能力至少之一:
23.根据权利要求22所述的方法,其特征在于,所述ue对数据收集功能的支持信息携带在ue新无线电nr能力信息中,或者所述ue对数据收集功能的支持信息携带在ue基础测量参数中。
24.根据权利要求14~23任一项所述的方法,其特征在于,所述ue的ai/ml支持能力信息通过专用于ai/ml能力上报的信令上报,或者所述ue的ai/ml支持能力信息携带在ue nr能力信息中。
25.根据权利要求14~23任一项所述的方法,其特征在于,还包括:
26.根据权利要求14~23任一项所述的方法,其特征在于,所述rrc重配置信息中包括完全模型推理配置信息或者部分模型推理配置信息;
27.一种ue能力上报装置,其特征在于,包括:
28.一种ue能力上报装置,其特征在于,包括:
29.一种ue,其特征在于,包括:
30.一种网络侧节点,其特征在于,包括:
31.一种非易失存储介质,所述存储介质包括存储的程序,其特征在于,所述程序运行时执行权利要求1至13中任一项所述的ue能力上报方法,或者执行权利要求14至26中任一项所述的ue能力上报方法。
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