通信方法和装置与流程

本技术涉及无线通信领域，尤其涉及一种通信方法和装置。

背景技术：

1、在无线通信系统中，可以采用人工智能(artificial intelligence，ai)模型来进行信道状态信息(channel state information，csi)的压缩和重构(或者说，恢复)。csi报告的发送方(比如终端设备)可以通过ai模型来进行csi的压缩，将获得的csi报告发送出去。csi报告的接收方(比如网络设备)可以通过ai模型基于接收到的csi报告进行csi的重构。

2、为了支持双端ai模型(比如模型部署在csi报告的发送方和接收方)的对接与模型开发，需要为发送方和/或接收方提供数据集(dataset)，以进行模型训练。一种可能的实现方式是，发送方为接收方提供数据集，以用于接收方的模型训练。但是，接收方的模型训练与发送方提供的数据集可能不匹配，导致训练得到的模型不符合要求，甚至不可用。

技术实现思路

1、本技术提供一种通信方法和装置，有利于训练出符合要求的模型，提高csi的反馈性能。

2、第一方面，提供了一种通信方法，该方法可应用于终端侧，比如可以由终端设备执行；或者，也可以由部署在终端设备中的部件执行，如终端设备内部的电路或芯片(如调制解调(modem)芯片，又称基带(baseband)芯片，或包含modem核的片上系统(system onchip，soc)芯片或系统级封装(system in package，sip)芯片等)等；或者，也可以由部署在终端设备之外的设备(比如过顶系统(over the top，ott)系统的主机或云端服务器)或设备中的部件(比如设备内部的芯片、处理器或电路等)来执行；或者，还可以由能够实现该终端设备的全部或部分功能的逻辑模块或软件来实现，等等。或者也可以说，该方法可以由第一装置执行，该第一装置可以是终端设备；也可以是终端设备中的部件，如终端设备内部的电路或芯片(如modem芯片)，或包含modem核的soc芯片或sip芯片等；也可以是终端设备之外的设备(如ott系统的主机或云端服务器等)或设备中的部件(如设备内部的芯片、处理器或电路等)；还可以是能够实现该终端侧的部分或全部功能逻辑模块或软件，等等。本技术对此不作限定。为方便理解和说明，下文以终端侧为例来说明第一方面提供的方法。

3、示例性地，该方法包括：获取数据集，数据集用于模型训练，以得到第一模型；第一模型是基于数据集和性能指标进行模型训练得到的，性能指标与第一模型的推理任务对应，第一模型的推理任务为对第一数据进行第一处理，以得到第二数据，第一处理包括压缩，或者，第一处理包括压缩和量化；第一数据用于表征第一信道信息；第二数据用于基于第二模型确定第三数据，第三数据用于表征第二信道信息，第二信道信息包括以下至少一项：第一信道信息的部分或全部、或第三信道信息，第三信道信息与第一信道信息不同，第二模型的推理任务包括对第二数据进行处理，以得到第三数据。

4、其中，第一模型可以是终端设备进行模型训练得到的，也可以是终端设备之外的其他设备训练得到的，本技术对此不作限定。

5、该数据集可以是网络侧发送给终端侧的。终端侧获取数据集可以包括：终端侧的终端设备可以从网络侧的网络设备接收数据集；或者，终端侧的ott系统的主机或云端服务器可以从网络侧的智能网元接收数据集；或者，终端侧的终端设备可以从ott系统的主机或云端服务区获取从智能网元接收到的数据集；或者，终端侧的ott系统的主机或云端服务器可以从终端设备获取从网络设备接收到的数据集。

6、基于上述方案，终端侧获取到数据集之后，则可以根据数据集和性能指标，采用相应的训练方式进行模型训练，以获得符合要求的模型，从而有利于提高csi的反馈性能。其中，性能指标与第一模型的推理任务对应，则有利于终端侧进行模型训练的过程中，基于性能指标对第一模型的推理任务对应的推理结果的可信度进行监测，从而有利于获得符合要求的模型。

7、示例性地，第二模型对第二数据的处理可以包括解压缩，或者，包括解压缩和解量化。例如，第一处理包括压缩，则第二模型对第二数据的处理可以包括解压缩。第一处理包括压缩和量化，则第二模型对第二数据的处理可以包括解压缩和解量化。

8、示例性地，第二信道信息包括第三信道信息，以及还包括第一信道信息的部分或全部。

9、结合第一方面，在第一方面的某些实现方式中，进行模型训练之前，该方法还包括：接收第一信息，该第一信息指示性能指标。

10、该第一信息可以是网络侧发送给终端侧的。基于该第一信息，终端侧可以确定用于第一模型的模型训练的性能指标。

11、结合第一方面，在第一方面的某些实现方式中，数据集包括以下数据中的一项或多项：第四数据、第五数据、第六数据或第七数据。

12、其中，第四数据用于表征第四信道信息。

13、第五数据是对第四数据进行第一处理得到的，第五数据用于确定第八数据，或者，第五数据和第七数据用于确定第八数据。

14、第六数据是第八数据对应的真值。

15、第八数据用于表征第五信道信息，第七数据用于表征第六信道信息，第五信道信息包括以下中的至少一项：第四信道信息的部分或全部、第六信道信息的部分或全部、或第七信道信息，第七信道信息不同于第四信道信息，且不同于第六信道信息。

16、基于上述技术方案，有利于通过设计包括不同数据的数据集，以适配不同终端侧的能力和/或模型训练需求。

17、在一种可能的实现方式中，数据集包括第四数据和第五数据。第四数据和第五数据用于第一模型的模型训练，在第一模型的模型训练中，第一模型的输入包括第四数据，第一模型的输出对应的真值包括第五数据；或者，第四数据和第五数据用于第三模型的模型训练，第三模型用于第四模型的模型训练，以得到第一模型，第四模型包括第一模型和第三模型；在第三模型的模型训练中，第三模型的输入包括第五数据，第三模型的输出对应的真值包括第四数据；第三模型用于第四模型的模型训练包括：第四模型的模型训练中，数据#1用于第一模型的输入以及用于第三模型的输出对应的真值，所述第一模型的输出用于第三模型的输入。

18、可选地，数据#1包括第四数据和/或除第四数据之外的其他数据。例如，数据#1包括终端侧自行获取的数据，如通过测量、仿真获取的数据。数据#1表征的信道信息与第四信道信息对应相同的信道。

19、基于上述技术方案，有利于终端侧灵活地根据自身的需求和/模型训练需求，选择适配的模型训练方式。

20、可选地，在进行模型训练之前，该方法还包括：接收第二信息，第二信息用于指示第四数据和第五数据用于第一模型的模型训练，或者，用于指示第四数据和第五数据用于第三模型的模型训练。

21、基于上述技术方案，有利于终端侧根据第二信息确定模型训练的方式，进而确定相应的性能指标。

22、示例性地，第四数据和第五数据用于第一模型的模型训练。具体地，终端侧可以将第四数据作为第一模型的输入，将第五数据作为标签，来进行第一模型的模型训练。

23、基于上述技术方案，终端侧可以直接根据获取到的数据集进行第一模型的训练，该模型训练的步骤较少，训练流程较为简单，因此有利于终端侧更快地通过训练获得第一模型。

24、可选地，性能指标与第一模型的推理任务对应，包括：该性能指标为执行第一模型的推理任务应满足的性能要求。

25、可选地，性能指标包括如下一项或多项应满足的范围：第一均方误差(meansquare error，mse)；第一归一化均方误差(normalized mean square error，nmse)；第一平均绝对误差(mean absolute error，mae)；或者，第一mse、第一nmse或第一mae中多项的加权和，或，加权平均；第一mse是通过第一模型对第四数据进行第一处理得到的信息与第五数据之间的mse；第一nmse是通过第一模型对第四数据进行第一处理得到的信息与第五数据之间的nmse；第一mae是通过第一模型对第四数据进行第一处理得到的信息与第五数据之间的mae。

26、通过第一nmse、第一mse、第一mae或上述多项中的两项或更多项的加权和，或，加权平均，来表征第一模型的输出和标签之间的差异。终端侧可以基于该差异来对第一模型的参数进行优化，以缩小二者间的差异，由此可以获得精度较高的第一模型用于模型推理。

27、示例性地，第四数据和第五数据用于第三模型的模型训练，第三模型用于第四模型的模型训练，以得到第一模型，第四模型包括第一模型。第四模型还包括第三模型，即第三模型具有第一模型的功能和第三模型的功能。

28、例如，第四模型可用于对第四数据进行压缩，得到第五数据(即，第一模型的功能)；第四模型还可用于对第五数据进行解压缩，得到重构csi(即，第三模型的功能)。

29、基于上述技术方案，终端侧可以联合第三模型和第一模型进行端到端的模型训练，该训练流程可以从csi压缩和重构的全过程来监测模型性能，从而有利于提高通过第一模型进行csi反馈的性能。

30、可选地，性能指标与第一模型的推理任务对应，包括：该性能指标为第四模型的输出应满足的性能要求。

31、可选地，性能指标包括如下一项或多项应满足的范围：第二mse；第二nmse；第二mae；第三mse；第三nmse；第三mae；第三广义余弦相似度(generalized cosinesimilarity，gcs)；第三平方广义余弦相似度(square generalized cosine similarity，sgcs)；或者，第二mse、第二nmse、第二mae、第三mse、第三nmse、第三mae、第三gcs或第三sgcs中多项的加权和，或，加权平均；第二mse是通过第三模型对第五数据进行第二处理得到的重构csi与第四数据之间的mse；第二nmse是通过第三模型对第五数据进行第二处理得到的重构csi与第四数据之间的nmse；第二mae是通过第三模型对第五数据进行第二处理得到的重构csi与第四数据之间的mae；第三mse是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的mse；第三nmse是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的nmse；第三mae是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的mae；第三gcs通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的gcs；第三sgcs是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的sgcs。

32、其中，第二处理包括解压缩，或者，包括解压缩和解量化。

33、基于第三nmse、第三mse、第三mae、第三gcs、第三sgcs或上述多项中的两项或更多项的加权和或加权平均，来表征第三模型的输出和第一模型的输入之间的差异。终端侧可以基于该差异来对第一模型的参数进行优化，以缩小二者间的差异，由此可以获得精度较高的第一模型用于模型推理。

34、在一种可能的实现方式中，数据集包括第四数据、第五数据和第六数据。第五数据和第六数据用于第三模型的模型训练，第三模型用于第四模型的模型训练，以得到第一模型，第四模型包括第一模型。

35、第四模型还包括第三模型，即第三模型具有第一模型的功能和第三模型的功能。

36、例如，第四模型可用于对第四数据进行压缩，得到第五数据(即，第一模型的功能)；第四模型还可用于对第五数据进行处理，得到重构csi(即，第三模型的功能)。

37、基于上述技术方案，终端侧可以联合第三模型和第一模型进行端到端的模型训练，该训练流程可以从csi压缩和重构的全过程来监测模型性能，从而有利于提高通过第一模型进行csi反馈的性能。

38、在第三模型的模型训练中，第三模型的输入包括第五数据，第三模型的输出对应的真值包括第六数据。

39、第三模型用于第四模型的模型训练包括：第四模型的模型训练中，第九数据用于第一模型的输入，第一模型的输出用于第三模型的输入，第三模型的输出对应的真值包括第十数据。

40、可选地，第九数据和第十数据均为第四数据，或者，第九数据和第十数据均为第六数据，或者，第九数据为第四数据，第十数据为第六数据。

41、可选地，第九数据包括除第四数据和第六数据以外的数据，如包括终端侧自行获取的数据，如通过测量、仿真获取的数据。

42、可选地，第十数据包括除第四数据和第六数据以外的数据，如包括终端侧自行获取的数据，如通过测量、仿真获取的数据。

43、可选地，性能指标与第一模型的推理任务对应，包括：该性能指标为第四模型的输出应满足的性能要求。

44、可选地，性能指标包括如下一项或多项应满足的范围：第四mse；第四nmse；第四mae；第五mse；第五nmse；第五mae；第五gcs；第五sgcs；或者，第四mse、第四nmse、第四mae、第五mse、第五nmse、第五mae、第五gcs或第五sgcs中多项的加权和，或，加权平均；第四mse是通过第三模型对第五数据进行处理得到的重构csi与第六数据之间的mse；第四nmse是通过第三模型对第五数据进行处理得到的重构csi与第六数据之间的nmse；第四mae是通过第三模型对第五数据进行处理得到的重构csi与第六数据之间的mae；第五mse是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的mse；第五nmse是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的nmse；第五mae是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的mae；第五gcs是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的gcs；第五sgcs是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的sgcs。

45、基于第五nmse、第五mse、第五mae、第五gcs、第五sgcs或上述多项中的两项或更多项的加权和或加权平均，来表征第三模型的输出和第一模型的输入之间的差异。终端侧可以基于该差异来对第一模型的参数进行优化，以缩小二者间的差异，由此可以获得精度较高的第一模型用于模型推理。

46、在一种可能的实现方式中，数据集包括第五数据、第六数据和第七数据。第五数据、第六数据和第七数据用于第三模型的模型训练，第三模型用于第四模型的模型训练，以得到第一模型，第四模型包括第一模型。

47、第四模型还包括第三模型，即第三模型具有第一模型的功能和第三模型的功能。

48、例如，第四模型可用于对第六数据进行压缩(即，第一模型的功能)；第四模型还可用于对第六数据压缩后的数据进行处理，得到重构csi(即，第三模型的功能)。

49、基于上述技术方案，终端侧可以联合第三模型和第一模型进行端到端的模型训练，该训练流程可以从csi压缩和重构的全过程来监测模型性能，从而有利于提高通过第一模型进行csi反馈的性能。

50、在第三模型的模型训练中，第三模型的输入包括第五数据和第七数据，第三模型的输出对应的真值包括第六数据。

51、第三模型用于针对第四模型的模型训练包括：第四模型的模型训练中，数据#2用于第一模型的输入以及用于第三模型的输出对应的真值，第一模型的输出用于第三模型的输入，第三模型的输出对应的真值包括数据#3。

52、可选地，数据#2包括第六数据和/或除第六数据以外的数据。例如，数据#2包括终端侧自行获取的数据，如通过测量、仿真获取的数据。数据#2表征的信道信息与第六数据表征的信道信息对应相同的信道。

53、可选地，性能指标与第一模型的推理任务对应，包括：该性能指标为第四模型的输出应满足的性能要求。

54、可选地，性能指标包括如下一项或多项应满足的范围：第六mse；第六nmse；第六mae；第七mse；第七nmse；第七mae；第七gcs；第七sgcs；或者，第六mse、第六nmse、第六mae、第七mse、第七nmse、第七mae、第七gcs或第七sgcs中多项的加权和，或，加权平均；第六mse是通过第三模型对第五数据和第七数据进行处理得到的重构csi与第六数据之间的mse；第六nmse是通过第三模型对第五数据和第七数据进行处理得到的重构csi与第六数据之间的nmse；第六mae是通过第三模型对第五数据和第七数据进行处理得到的重构csi与第六数据之间的mae；第七mse是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的mse；第七nmse是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的nmse；第七mae是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的mae；第七gcs是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的gcs；第七sgcs是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的sgcs。

55、基于第七nmse、第七mse、第七mae、第七gcs、第七sgcs或上述多项中的两项或更多项的加权和或加权平均，来表征第三模型的输出和第一模型的输入之间的差异。终端侧可以基于该差异来对第一模型的参数进行优化，以缩小二者间的差异，由此可以获得精度较高的第一模型用于模型推理。

56、可选地，上述mse应满足的范围包括mse的平均和/或分布应满足的范围。

57、可选地，上述nmse应满足的范围包括nmse的平均和/或分布应满足的范围。

58、可选地，上述mae应满足的范围包括mae的平均和/或分布应满足的范围。

59、可选地，gcs应满足的范围包括gcs的平均和/或分布应满足的范围。

60、可选地，sgcs应满足的范围包括sgcs的平均和/或分布应满足的范围。

61、可选地，性能指标与测量配置相关，测量配置用于配置参考信号，第一信道信息与参考信号的测量结果相关。

62、结合第一方面，在第一方面的某些实现方式中，该方法还包括：在性能指标能够被满足的情况下，执行第一模型的推理任务。

63、在性能指标被满足的情况下执行第一模型的推理任务，从而使得终端侧的模型性能得以保障，有利于业务需求。

64、结合第一方面，在第一方面的某些实现方式中，该方法还包括：在性能指标不能被满足的情况下，发送第三信息，该第三信息用于如下一项或多项：指示性能指标不能被满足；请求更换性能指标；请求更换数据集；或请求关闭模型训练。

65、如此，网络侧可以在性能指标不能被满足的情况下作出响应，比如关闭模型训练，或者更换性能指标，或者更换数据集，等等。由于网络侧的响应可以是在了解到终端侧状况之后所做出的响应，因此下发的数据集、性能指标等，更能够与终端侧的能力适配，从而有利于提高双端模型的性能。

66、第二方面，提供了一种通信方法，该方法可应用于网络侧，比如可以由网络设备执行；或者，也可以由部署在网络设备中的部件执行，如网络设备内部的电路或芯片(如modem芯片，又称基带芯片，或包含modem核的soc芯片或sip芯片等)等；或者，也可以由网络设备之外的设备(比如网络侧的智能网元等)或设备中的部件(比如设备内部的芯片、处理器或电路等)执行；或者，还可以由能够实现该网络设备的全部或部分功能的逻辑模块或软件来实现，等等。或者也可以说，该方法可以由第二装置执行，该第二装置可以是网络设备；也可以是网络设备中的部件，如网络设备内部的电路或芯片(如modem芯片)，或包含modem核的soc芯片或sip芯片等；也可以是网络设备之外的设备(如智能网元)或设备中的部件(如设备内部的芯片、处理器或电路等)；还可以是能够实现该网络侧的部分或全部功能逻辑模块或软件，等等。本技术对此不作限定。

67、示例性地，该方法包括：发送数据集，数据集用于模型训练，以获得第一模型；第一模型的性能指标与第一模型的推理任务对应，第一模型是基于数据集和性能指标进行模型训练得到的，第一模型的推理任务为对第一数据进行第一处理，以得到第二数据，第一处理包括压缩，或者，第一处理包括压缩和量化；第一数据用于表征第一信道信息；第二数据用于基于第二模型确定第三数据，第三数据用于表征第二信道信息，第二信道信息包括以下至少一项：第一信道信息的部分或全部、或第三信道信息，第三信道信息与第一信道信息不同，第二模型的推理任务包括对第二数据进行处理，以得到第三数据。

68、示例的，第二模型部署于网络侧。

69、结合第二方面，在第二方面的某些实现方式中，该方法还包括：发送第一信息，第一信息用于指示性能指标。

70、结合第二方面，在第二方面的某些实现方式中，该方法还包括：获得数据集。例如，网络侧通过模型训练以获得训练完成的第五模型和第二模型，进而通过第五模型和第二模型的运行获得数据集。其中，第五模型的推理任务为对输入csi进行压缩或进行压缩和量化。例如，第五模型的推理任务与第一模型的推理任务相同。

71、结合第二方面，在第二方面的某些实现方式中，第二信道信息包括第三信道信息，以及还包括第一信道信息的部分或全部。

72、结合第二方面，在第二方面的某些实现方式中，数据集包括以下数据中的一项或多项：第四数据、第五数据、第六数据或第七数据。

73、其中，第四数据用于表征第四信道信息。

74、第五数据是对第四数据进行第一处理得到的，第五数据用于确定第八数据，或者，第五数据和第七数据用于确定第八数据。

75、第六数据是第八数据对应的真值。

76、第八数据用于表征第五信道信息，第七数据用于表征第六信道信息，第五信道信息包括以下中的至少一项：第四信道信息的部分或全部、第六信道信息的部分或全部、或第七信道信息，第七信道信息不同于第四信道信息，且不同于第六信道信息。

77、结合第二方面，在第二方面的某些实现方式中，数据集包括第四数据和第五数据。第四数据和第五数据用于第一模型的模型训练，第一模型的模型训练中，第一模型的输入包括第四数据，第一模型的输出对应的真值包括第五数据；或者，第四数据和第五数据用于第三模型的模型训练，第三模型用于针对第四模型的模型训练，以得到第一模型，第四模型包括第一模型和第三模型；在第三模型的模型训练中，第三模型的输入包括第五数据，第三模型的输出对应的真值包括第四数据；第三模型用于第四模型的模型训练包括：第四模型的模型训练中，数据#1用于第一模型的输入以及用于第三模型的输出对应的真值，第一模型的输出用于第三模型的输入。

78、可选地，数据#1包括第四数据和/或除第四数据之外的其他数据。例如，数据#1包括终端侧自行获取的数据，如通过测量、仿真获取的数据。

79、结合第二方面，在第二方面的某些实现方式中，该方法还包括：发送第二信息，第二信息用于指示第四数据和第五数据用于第一模型的模型训练，或者，用于指示第四数据和第五数据用于第三模型的模型训练。

80、结合第二方面，在第二方面的某些实现方式中，第四数据和第五数据用于第一模型的模型训练，性能指标包括如下一项或多项应满足的范围：第一mse；第一nmse；第一mae；或者，第一mse、第一nmse或第一mae中多项的加权和，或，加权平均；第一mse是通过第一模型对第四数据进行第一处理得到的信息与第五数据之间的mse；第一nmse是通过第一模型对第四数据进行第一处理得到的信息与第五数据之间的nmse；第一mae是通过第一模型对第四数据进行第一处理得到的信息与第五数据之间的mae。

81、结合第二方面，在第二方面的某些实现方式中，第四数据和第五数据用于第三模型的模型训练，性能指标包括如下一项或多项应满足的范围：第二mse；第二nmse；第二mae；第三mse；第三nmse；第三mae；第三gcs；第三sgcs；或者，第二mse、第二nmse、第二mae、第三mse、第三nmse、第三mae、第三gcs或第三sgcs中多项的加权和，或，加权平均；第二mse是通过第三模型对第五数据进行第二处理得到的重构csi与第四数据之间的mse；第二nmse是通过第三模型对第五数据进行第二处理得到的重构csi与第四数据之间的nmse；第二mae是通过第三模型对第五数据进行第二处理得到的重构csi与第四数据之间的mae；第三mse是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的mse；第三nmse是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的nmse；第三mae是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的mae；第三gcs通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的gcs；第三sgcs是通过第四模型对数据#1进行处理得到的重构csi与数据#1之间的sgcs。

82、其中，第二处理包括解压缩，或者，包括解压缩和解量化。

83、结合第二方面，在第二方面的某些实现方式中，数据集包括第四数据、第五数据和第六数据。第五数据和第六数据用于第三模型的模型训练，第三模型用于第四模型的模型训练，以得到第一模型，第四模型包括第一模型第三模型。

84、在第三模型的模型训练中，第三模型的输入包括第五数据，第三模型的输出对应的真值包括第六数据。

85、第三模型用于第四模型的模型训练包括：第四模型的模型训练中，第九数据用于第一模型的输入，第一模型的输出用于第三模型的输入，第三模型的输出对应的真值包括第十数据。

86、可选地，第九数据和第十数据均为第四数据，或者，第九数据和第十数据均为第六数据，或者，第九数据为第四数据，第十数据为第六数据。

87、可选地，第九数据包括除第四数据和第六数据以外的数据，如包括终端侧自行获取的数据，如通过测量、仿真获取的数据。

88、可选地，第十数据包括除第四数据和第六数据以外的数据，如包括终端侧自行获取的数据，如通过测量、仿真获取的数据。

89、可选地，性能指标包括如下一项或多项应满足的范围：第四mse；第四nmse；第四mae；第五mse；第五nmse；第五mae；第五gcs；第五sgcs；或者，第四mse、第四nmse、第四mae、第五mse、第五nmse、第五mae、第五gcs或第五sgcs中多项的加权和，或，加权平均；第四mse是通过第三模型对第五数据进行处理得到的重构csi与第六数据之间的mse；第四nmse是通过第三模型对第五数据进行处理得到的重构csi与第六数据之间的nmse；第四mae是通过第三模型对第五数据进行处理得到的重构csi与第六数据之间的mae；第五mse是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的mse；第五nmse是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的nmse；第五mae是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的mae；第五gcs是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的gcs；第五sgcs是通过第四模型对第九数据进行处理得到的重构csi与第十数据之间的sgcs。

90、结合第二方面，在第二方面的某些实现方式中，数据集包括第五数据、第六数据和第七数据。第五数据、第六数据和第七数据用于第三模型的模型训练，第三模型用于第四模型的模型训练，以得到第一模型，第四模型包括第一模型和第三模型。

91、在第三模型的模型训练中，第三模型的输入包括第五数据和第七数据，第三模型的输出对应的真值包括第六数据。

92、第三模型用于针对第四模型的模型训练包括：第四模型的模型训练中，数据#2用于第一模型的输入以及用于第三模型的输出对应的真值，第一模型的输出用于第三模型的输入，第三模型的输出对应的真值包括数据#3。

93、可选地，数据#2包括第六数据和/或除第六数据以外的数据。例如，数据#2包括终端侧自行获取的数据，如通过测量、仿真获取的数据。

94、可选地，性能指标包括如下一项或多项应满足的范围：第六mse；第六nmse；第六mae；第七mse；第七nmse；第七mae；第七gcs；第七sgcs；或者，第六mse、第六nmse、第六mae、第七mse、第七nmse、第七mae、第七gcs或第七sgcs中多项的加权和，或，加权平均；第六mse是通过第三模型对第五数据和第七数据进行处理得到的重构csi与第六数据之间的mse；第六nmse是通过第三模型对第五数据和第七数据进行处理得到的重构csi与第六数据之间的nmse；第六mae是通过第三模型对第五数据和第七数据进行处理得到的重构csi与第六数据之间的mae；第七mse是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的mse；第七nmse是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的nmse；第七mae是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的mae；第七gcs是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的gcs；第七sgcs是通过第四模型对数据#2进行处理得到的重构csi与数据#2之间的sgcs。

95、结合第二方面，在第二方面的某些实现方式中，该方法还包括：接收第三信息，该第三信息用于如下一项或多项：指示性能指标不能被满足；请求更换性能指标；请求更换数据集；或请求关闭模型训练。

96、应理解，第二方面所提供的方法与第一方面相对应，第二方面的各实现方式相应的说明和技术效果可参看第一方面的相关描述，不再赘述。

97、第三方面，提供一种装置。该装置可以包括执行第一方面任一种可能实现方式中所描述的方法/操作/步骤/动作所一一对应的功能模块，或者包括执行第二方面中任一方面所描述的方法/操作/步骤/动作所一一对应的功能模块。该模块可以是硬件电路，也可是软件，也可以是硬件电路结合软件实现。

98、一种设计中，该装置可以包括处理模块和通信模块。其中，通信模块用于执行如上第一方面所描述方法中由终端侧执行的发送动作和接收动作，处理模块则用于执行如上第一方面所描述方法中由终端侧执行的涉及处理的动作。

99、一种设计中，该装置可以是终端设备，也可以是被配置设置于终端设备中的装置、模块、电路或芯片等，或者是能够和终端设备匹配使用的装置，如ott的主机或云端服务器。

100、一种设计中，该装置可以包括处理模块和通信模块。其中，通信模块用于执行如上第二方面所描述方法中由网络侧执行的发送动作和接收动作，处理模块则用于执行如上第二方面所描述方法中由网络侧执行的涉及处理的动作。

101、一种设计中，该装置可以是网络设备，也可以是被配置设置于网络设备中的装置、模块、电路或芯片等，或者是能够和网络设备匹配使用的装置，如部署有无线接入网(radioaccess network，ran)智能控制器(ran intelligent controller，ric)的智能网元。

102、第四方面，提供一种装置，包括处理器和存储介质，该存储介质存储有指令，该指令被处理器运行时，以使得如第一方面或第一方面中任一可能的实现方式中的方法被实现，或者使得如第二方面或第二方面的任一可能的实现方式中的方法被实现。

103、第五方面，提供一种装置，包括处理电路，所述处理电路用于处理数据和/或信息，以使得如第一方面或第一方面的任一可能的实现方式中的方法被实现，或者使得如第二方面或第二方面的任一可能的实现方式中的方法被实现。

104、该处理电路可以包括一个或多个处理器，或者，一个或多个处理器中用于控制或处理功能的电路中的全部或部分。

105、可选地，所述装置还可以包括存储器，所述存储器用于存储程序或指令，所述处理器用于运行所述程序或指令，以使得如第一方面或第一方面的任一可能的实现方式中的方法被实现，或者使得如第二方面或第二方面的任一可能的实现方式中的方法被实现。

106、可选地，所述装置还可以包括所述收发电路，或，输入输出接口。

107、第六方面，提供一种芯片，包括处理电路，所述处理电路用于运行程序或指令，以使得如第一方面或第一方面的任一可能的实现方式中的方法被实现，或者使得如第二方面或第二方面的任一可能的实现方式中的方法被实现。

108、可选地，所述芯片还可以包括存储器，所述存储器用于存储程序或指令。

109、可选地，所述芯片还可以包括收发电路，或，输入输出接口。

110、第七方面，提供一种计算机可读存储介质，所述计算机可读存储介质包括指令，当该指令被处理器运行时，使得如第一方面或第一方面的任一可能的实现方式中的方法被实现，或者使得如第二方面或第二方面的任一可能的实现方式中的方法被实现。

111、第八方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序代码或指令，当所述计算机程序代码或指令被运行时，使得如第一方面及第一方面的任一可能的实现方式中的方法被实现，或者使得如第二方面或第二方面的任一可能的实现方式中的方法被实现。

112、第九方面，提供一种通信系统，该通信系统包括执行第一方面及第一方面的任一可能的实现方式中的装置，或者包括执行第二方面及第二方面的任一可能的实现方式中的装置。

113、应当理解的是，本技术的第三方面至第九方面与本技术的第一方面至第二方面的技术方案相对应，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。