用于基于人工智能或机器学习的信道状态信息预测的可适用性报告的方法和装置与流程

摘要: 本公开大体上涉及移动通信,更具体而言,涉及基于人工智能(artificialintelligence;ai)或机器学习(machinelearning;ml)的...
用于基于人工智能或机器学习的信道状态信息预测的可适用性报告的方法和装置与流程

本公开大体上涉及移动通信,更具体而言,涉及基于人工智能(artificialintelligence;ai)或机器学习(machine learning;ml)的信道状态信息(channel stateinformation;csi)预测的可适用性报告。

背景技术:

1、除非本文另有说明,本部分中描述的方法并非下文所列权利要求的先前技术,且不因包含于本部分中而被视为承认为先前技术。

2、多输入多输出(multiple-input multiple-output;mimo)是第4代(4thgeneration;4g)和第5代(5th generation;5g)系统中采用的一种无线通信技术,用于提升数据吞吐量、频谱效率和链路可靠性。一般而言,mimo在用户设备(user equipment;ue)侧和基站(base station;bs)侧均利用多根天线,以在相同频率资源上实现多个数据流的发送和接收。在4g系统中,mimo被用于提升用户数据速率和整体网络性能。在5g系统中,mimo通过波束成形和大规模天线阵列等技术得到进一步发展,从而支持更高的容量、更好的覆盖范围以及更低的时延。简言之,mimo在满足现代移动通信系统的性能要求方面发挥着关键作用。

3、在采用mimo技术的系统中,由于不可预测的处理时延和csi反馈时延,频谱效率可能会显著下降,尤其是在高移动性场景中。为减轻由信道老化引起的此种性能下降,业界正在设计未来信道预测方案,该方案使用ai/ml模型基于当前和/或先前观测到的信道状况来估计预期使用时刻的信道状态。然而,由于该技术仍在讨论中,基于ai/ml的csi预测的详细设计尚未确定,仍有一些问题需要解决。例如,其中一个问题涉及如何在网络与ue之间对齐ue针对每个基于ai/ml的csi预测功能性的可适用性。

4、因此,需要提供适当的方案来解决该问题。

技术实现思路

1、以下概述仅为说明性内容,并非意在以任何方式进行限制。也就是说,以下概述用于介绍本文所描述的新颖且非显而易见的技术的概念、要点、益处和优点。部分实施方式将在下文的具体实施方式中进一步描述。因此,以下概述并非意在确定所主张主题的必要特征,也不意在用于确定所主张主题的范围。

2、本公开的一个目的在于提出与基于ai/ml的csi预测的可适用性报告相关的方案、概念、设计、系统、方法和装置。可以相信,通过实施本文所述的一个或多个所提出的方案,可以避免或减轻上述问题。

3、在一个方面中,一种方法可涉及装置从网络节点接收可适用性报告配置,其中,该可适用性报告配置包括与用于基于ai的或基于ml的csi预测的一个或多个功能性相关联的一个或多个关联id。该方法还可涉及该装置向该网络节点报告与该一个或多个关联id对应的一个或多个组推理相关参数的可适用功能性信息。该方法还可进一步涉及该装置从该网络节点接收与该可适用功能性信息相关联的推理报告配置。该方法还可进一步涉及该装置根据该推理报告配置执行该基于ai的或基于ml的csi预测。

4、在一个方面中,一种方法可涉及网络节点向装置发送可适用性报告配置,其中,该可适用性报告配置包括与用于基于ai的或基于ml的csi预测的一个或多个功能性相关联的一个或多个关联id。该方法还可涉及该网络节点从该装置接收与该一个或多个关联id对应的一个或多个组推理相关参数的可适用功能性信息的报告。该方法还可进一步涉及该网络节点向该装置发送与该可适用功能性信息相关联的推理报告配置。

5、在一个方面中,一种装置可包括收发器,该收发器在操作期间与网络节点进行无线通信。该装置还可包括与该收发器通信耦接的处理器。该处理器在操作期间可执行包括以下的操作:经由该收发器从该网络节点接收可适用性报告配置,其中,该可适用性报告配置包括与用于基于ai的或基于ml的csi预测的一个或多个功能性相关联的一个或多个关联id;经由该收发器向该网络节点报告与该一个或多个关联id对应的一个或多个组推理相关参数的可适用功能性信息;经由该收发器从该网络节点接收与该可适用功能性信息相关联的推理报告配置;以及根据该推理报告配置执行该基于ai的或基于ml的csi预测。

6、值得注意的是,尽管本文提供的描述可能是在特定无线接入技术、网络和网络拓扑(例如长期演进(long-term evolution;lte)、lte-advanced、lte-advanced pro、第五代(5th generation;5g)新无线(new radio;nr)、物联网(internet-of-things;iot)与窄带物联网(narrow band internet of things;nb-iot)、工业物联网(industrial internetof things;iiot)、超5g(beyond fifth-generation;b5g)以及第六代(6th generation;6g))的背景下进行的,但所提出的概念、方案及其任何变型/衍生形式均可在其他类型的无线接入技术、网络和网络拓扑中、针对其实施或由其实施。因此,本公开的范围不限于本文所述的示例。

1.一种方法,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,该可适用性报告配置进一步包括与该一个或多个关联身份标识对应的该一个或多个组推理相关参数。

3.根据权利要求1所述的方法,其特征在于,与该一个或多个关联身份标识对应的该一个或多个组推理相关参数中的每一组包括以下至少一者:

4.根据权利要求3所述的方法,其特征在于,该信道状态信息-参考信号端口配置包括以下至少一者:

5.根据权利要求3所述的方法,其特征在于,与该基于人工智能的或基于机器学习的信道状态信息预测的一个或多个时间实例或时间持续时间相关的该信息指示多普勒域基向量长度。

6.根据权利要求1所述的方法,其特征在于,该可适用功能性信息指示与该一个或多个关联身份标识对应的该一个或多个组推理相关参数的可适用性。

7.根据权利要求6所述的方法,其特征在于,与该一个或多个关联身份标识对应的该一个或多个组推理相关参数的该可适用性由比特图指示,该比特图中的每个比特对应于该一个或多个关联身份标识中的一者与该一个或多个推理相关参数中的一者的配对,且该比特被设置为第一值以指示该配对被支持,或被设置为第二值以指示该配对不被支持。

8.根据权利要求1所述的方法,其特征在于,该可适用性报告配置经由无线资源控制重配置消息接收,且该可适用功能性信息经由用户设备辅助信息消息报告。

9.一种方法,其特征在于,包括:

10.根据权利要求9所述的方法,其特征在于,该可适用性报告配置进一步包括与该一个或多个关联身份标识对应的该一个或多个组推理相关参数。

11.根据权利要求9所述的方法,其特征在于,与该一个或多个关联身份标识对应的该一个或多个组推理相关参数中的每一组包括以下至少一者:

12.根据权利要求11所述的方法,其特征在于,该信道状态信息-参考信号端口配置包括以下至少一者:

13.根据权利要求11所述的方法,其特征在于,与该基于人工智能的或基于机器学习的信道状态信息预测的一个或多个时间实例或时间持续时间相关的该信息包括多普勒域单元数量。

14.根据权利要求9所述的方法,其特征在于,该可适用功能性信息指示与该一个或多个关联身份标识对应的该一个或多个组推理相关参数的可适用性。

15.根据权利要求14所述的方法,其特征在于,与该一个或多个关联身份标识对应的该一个或多个组推理相关参数的该可适用性由比特图指示,该比特图中的每个比特对应于该一个或多个关联身份标识中的一者与该一个或多个推理相关参数中的一者的配对,且该比特被设置为第一值以指示该配对被支持,或被设置为第二值以指示该配对不被支持。

16.根据权利要求9所述的方法,其特征在于,该可适用性报告配置经由无线资源控制重配置消息发送,且该可适用功能性信息的该报告经由用户设备辅助信息消息接收。

17.一种装置,其特征在于,包括:

18.根据权利要求17所述的装置,其特征在于,该可适用性报告配置进一步包括与该一个或多个关联身份标识对应的该一个或多个组推理相关参数。

19.根据权利要求17所述的装置,其特征在于,与该一个或多个关联身份标识对应的该一个或多个组推理相关参数中的每一组包括以下至少一者:

20.根据权利要求17所述的装置,其特征在于,该可适用功能性信息通过比特图指示与该一个或多个关联身份标识对应的该一个或多个组推理相关参数的可适用性,该比特图中的每个比特对应于该一个或多个关联身份标识中的一者与该一个或多个推理相关参数中的一者的配对,且该比特被设置为第一值以指示该配对被支持,或被设置为第二值以指示该配对不被支持。