利用AI/ML模型的CSI-RS端口子集指示进行CSI反馈的方法与流程
背景技术:
1、基于码本的预编码
2、多天线技术可以显著提高无线通信系统的数据速率和可靠性。如果传送器和接收器都配备了多个天线,则性能会得到改进,这导致了多输入多输出(mimo)通信信道。这种系统和/或相关技术通常被称为mimo系统。
3、新空口(nr)的核心组件是对mimo相关技术的支持。nr支持高达8层的空间多路复用,在gnodeb (gnb,nr中的基站)上支持多达32个传送天线端口,并具有信道相关预编码。图1示出了具有空间复用的数据传输的示例,其中承载符号向量的信息在通过nt个天线端口发送之前首先乘以(或预编码)预编码矩阵。s中的每个符号与数据层相关联,r是数据层的数量或秩,这是传送器和接收器之间的无线信道的属性。用于对朝向用户设备(ue)的每个数据层进行波束成形,使得在ue接收器处信号干扰噪声比(sinr)最大化,并且跨层干扰最小化。空间复用允许在相同的时间和频率资源元素(re)中同时传送多个符号。
4、在配备有nr个接收天线的ue处接收的nr×1个信号向量可以表示为:
5、
6、其中是传送天线和接收天线之间的mimo信道,e是由接收器噪声和干扰引起的噪声加干扰向量。
7、选择预编码器矩阵以匹配nrxntmimo信道矩阵的特性,从而产生所谓的信道相关预编码。预编码器可以是宽带预编码器,即在整个带宽上相同,或者是子带预编码器,即每个子带优化。通常由ue从预编码矩阵的码本中选择,并根据预编码矩阵指示符(pmi)报告给gnb。
8、ue选择预编码器矩阵的一个示例方法可以是从最大化假设等效信道的frobenius范数的码本中选择:
9、
10、其中:
11、是信道估计
12、是索引为k的假设预编码器矩阵。
13、除了反馈之外,ue通常还提供对秩指示符(ri)和(一个或多个)信道质量指示符(cqi)的反馈,作为信道状态信息(csi)反馈的一部分。给定来自ue的csi反馈,gnb可以确定用于到ue的数据传输的传输参数。
14、出于信道估计的目的,通常向ue传送所谓的信道状态信息参考信号(csi-rs)。
15、2d天线阵列
16、上面讨论的具有nt个天线端口的天线可以是线性天线阵列或二维(2d)全天线阵列。线性天线阵列是2d天线阵列的特例。2d天线阵列可以用对应于水平维度的个列、对应于垂直维度的个行和个极化来描述。因此,天线端口的总数为。图2示出了交叉极化(即)天线阵列的示例。
17、注意,2d天线阵列可以以任何角度旋转。在这种情况下,行和列可能不再对应于垂直和水平方向。为了反映nr中的这种更一般的情况,2d天线阵列简单地由两个维度中的每一个维度上的多个天线端口来定义,即和,并且总是2。因此,天线端口的总数为。
18、天线端口的概念在某种意义上是非限制性的,它可以指物理天线元件的任何虚拟化(例如,线性映射)。例如,成对的物理子元件可以被馈送相同的信号,并因此共享相同的虚拟化天线端口。
19、csi-rs
20、在nr中,对于ue的下行链路信道测量,在每个天线端口传送参考信号。参考信号被称为非零功率信道状态信息参考信号(nzp csi-rs)。nzp csi-rs是根据nzp csi-rs资源配置的。为了简单起见,在下面的讨论中可以省略“nzp”。nzp csi-rs资源支持多达32个天线端口。天线端口也被称为csi-rs天线端口、csi-rs端口或天线端口。csi-rs资源中的不同csi-rs天线端口被分配有不同的re和/或不同的cdm(码分复用)码,使得可以单独测量和估计与每个天线端口相关联的下行链路信道。
21、支持三种密度,即1/2、1和3。是每个csi-rs端口的每个资源块(rb)的re数量。1/2意味着每隔一个rb中的每个端口一个re,例如,在偶数或奇数编号的rb中。3仅支持单端口csi-rs资源。
22、在csi-rs资源中,可以有多个码分复用(cdm)组。cdm组包括2、4或8个re,分别对应于长度2、4或8的cdm码。所使用的cdm码可以是长度2或长度4的时域正交覆盖码(td-occ),即td-occ2或td-occ4,或者长度2的频域occ (fd-occ),即fd-occ2,或者td-occ和fd-occ两者。cdm组按照首先增加频域分配,并然后增加时域分配的顺序编号。图3中示出了32个天线端口的csi-rs资源的示例,其中示出了一个rb中的csi-rs re。在这种情况下,有8个cdm组,每个组有4个re。cdm码是td-occ2加上fd-occ2。
23、每个天线端口被映射到一个cdm组。天线端口首先映射到cdm组,然后是频率,并然后是时间。在每个cdm组中,天线端口通过cdm码或序列进行复用。csi-rs天线端口按照以下编号:
24、
25、其中,s是第三代合作伙伴计划(3gpp)技术规范(ts) 38.211中给出的cdm码索引,是cdm组大小,并且n是csi-rs端口的数量。
26、nr类型i单板码本
27、nr类型i单板码本基于离散傅立叶变换(dft)波束或预编码器,并且用于交叉极化2d天线阵列,其中为每个mimo层选择dft波束。相同的dft波束被施加到两个极化的天线端口。在两个极化之一的天线端口应用同相因子。类型i单板码本的细节可以在3gppts38.214 v18.1.0第5.2.2.2.1节中找到。
28、例如,对于具有个天线端口的csi-rs资源,码本模式1的秩1预编码矩阵由下式给出:
29、
30、其中是针对波束索引的过采样2-d dft波束或预编码向量,并由下式给出:
31、
32、并且是沿着维度的1-d dft波束。和分别是维度和中的过采样因子。是同相因子。支持的和在3gpp ts38.214的表5.2.2.2.1-2中给出,复制如下:
33、表5.2.2.2.1-2:的支持配置
34、
35、类型i基于单板码本的预编码矩阵是两级预编码器,并可以表示为:
36、
37、其中包含选定的dft波束并包含同相因子。对于上述秩为1的预编码矩阵,。dft波束也称为空间域(sd)基。根据3gpp nr规范,预编码的物理下行链路共享信道(pdsch)信号乘以(即)等效于在csi-rs天线端口上传送的对应符号,如下式所示
38、。
39、上述和基于的结构意味着用于具有个端口的2d天线阵列的csi-rs天线端口需要以首先沿着维度增加并然后在第一极化沿着维度增加的顺序被索引,并且对于另一极化重复上述。图4中示出了具有32个端口的2d天线的示例,其中csi-rs端口号是通过将图中所示的数字加上3000来给出的。注意,为了说明的目的,图4用虚线表示第一极化,用实线表示第二极化。
40、网络节能
41、在rel-18中,引入了网络节能特征,以便出于节能目的将csi-rs端口的子集静音。考虑配置用于具有个端口的信道测量的nzp csi-rs资源。根据该特征,从网络(例如,gnb)向ue发信号通知具有比特的位图。位图可以有未静音的个端口,而其余的个端口是静音的。由于网络不在静音端口上传送任何csi-rs,因此网络可以通过跳过静音端口上的这些传输来节省能量。在该特征中,未静音端口的数量必须对应于nr中支持的csi-rs端口的数量之一(在2、4、8、12、16、24和32之中)。
42、例如,当个端口时,则端口静音的可能值为。rel-18中这种限制的原因是,当个端口被静音时,个端口nr类型i单板码本可以用于ue处的csi计算/运算。
43、3gpp ts 38.214中给出了个端口静音时的端口编号,如下所示:
44、“每个子配置可以使用包含比特序列的更高层位图参数[port-subsetindicator]来配置有天线端口子集,其中,是msb,并且是lsb,比特对应于天线端口,并且是为对应于csi-reportconfig的信道测量的csi-resourceconfig中包含的nzp-csi-rs-resourceset内的(一个或多个)csi-rs资源配置的端口数目nrofports。[port-subsetindicator]中的比特值0指示子配置的对应天线端口被禁用,而比特值1指示天线端口被启用并且属于子配置的天线端口子集。为了推导pmi,对应于[port-subsetindicator]中值为1的所有比特的天线端口被映射到从csi-rs天线端口3000开始的连续天线端口,按照[port-subsetindicator]中比特位置的递增顺序。”
45、其中port-subsetindicator是端口静音位图,并其中是在上面的3gpp规范文本中代替使用的符号。按照上述3gpp规范文本中的最后一句,所有未静音的端口(即,比特对应于位图中的值1的那些端口)被映射到连续的天线端口。
46、图5中示出了具有32个端口的2d天线的示例,其中24个端口未被静音(未静音的端口用表示第一极化的虚斜线和表示第二极化的实斜线示出),并且8个端口被静音(静音的端口显示为空白)。图5示出了与非静音端口相关联的索引号(0-23)。静音端口没有被给出索引号。csi-rs端口号在此示例中是通过将图中所示的数字加上3000来给出的。
47、根据3gpp ts 38.214 v18.1.0,预编码的pdsch信号乘以(即)等效于在csi-rs天线端口上传送的对应符号,如下式所示:
48、
49、注意,以上是基于未静音csi-rs端口被给予连续索引的事实。
50、用于csi反馈增强的rel-18/rel-19 ai/ml
51、在学术界和工业界,人工智能(ai)和机器学习(ml)已经作为优化无线通信网络中的空中接口设计的有前途的工具而被研究。示例用例包括使用自动编码器进行csi压缩,以减少反馈开销并提高信道预测精度;使用深度神经网络对视线(los)和非视线(nlos)条件进行分类,以提高定位精度;在网络侧和/或ue侧使用增强学习进行波束选择,以减少信令开销和波束对准时延;以及使用深度强化学习来学习用于复杂mimo预编码问题的最优预编码策略。
52、在3gpp nr标准化工作中,关于nr空中接口的ai/ml的版本 18研究项目于2022年5月开始,并于2023年12月完成。本研究项目探讨了增加空中接口的好处,这些特征使能改进对基于ai/ml的算法的支持,从而提高性能和/或降低复杂性/开销。通过研究一些选定的用例(csi反馈、波束管理和定位),本研究项目旨在为利用ai/ml技术的未来空中接口用例奠定基础。
53、在3gpp tr38.843 v18.0.0的第3.1节中定义了诸如ai/ml模型、ai/ml模型推理(以下称为推理)、ai/ml模型训练(以下称为训练)、数据收集和模型监测之类的术语。
54、3gpp rel-18研究了两个ai csi用例,csi预测用例以及csi压缩用例。对这些用例的研究在3gpp rel-19中继续:
55、csi预测:csi预测用例使用一个或多个单侧ue侧模型,其中模型推断完全在ue处执行。可以在ue处训练和部署一个或多个ai/ml模型,用于基于ai的csi预测特征。在模型推断期间,gnb将ue配置成测量一组历史csi-rs,并然后使用(一个或多个)其ai/ml模型报告一个或多个未来时间实例的预测csi。图6提供了csi预测的推断过程的示例。为了生成csi预测模型的输入,可需要对测量的信道进行一些进一步的预处理;对于csi预测模型的输出,还可以应用一些进一步的后处理。
56、csi压缩:csi压缩用例使用一个或多个双侧ai/ml模型。双侧ai/ml模型是指(一个或多个)成对的ai/ml模型,在该模型上跨ue和网络(nw)执行联合推断,即,推断的第一部分首先由ue执行,并然后剩余部分由gnb执行,或者反之亦然。作为示例,图7示出了基于自动编码器(ae)的csi压缩,其中编码器(双侧ae模型的ue部分)在ue处操作以压缩估计的无线信道,并且编码器的输出(压缩的无线信道信息估计)从ue报告给gnb。gnb使用解码器(双侧ae模型的nw部分)来重建估计的无线信道信息。本文,双侧ai/ml模型由ue侧的编码器和基站(例如gnb)侧的解码器组成。注意,在双侧模型的情况下,代码由编码器生成,并且仅可由联合训练的解码器解释。这种情况不同于在ue中运行ai/ml模型,以完全标准化的格式在空中报告输出,以及在基站运行单独的ai/ml模型。
技术实现思路
1、目前存在某些挑战。例如,rel-18中引入的网络节能特征有几个缺点。由于假设nr类型i单板码本用于csi计算,所以未静音端口的数量p被限制为某些值(即2、4、8、12、16、24和32)。此外,当在nr版本19中将csi-rs端口的数量增加到128个端口时,这些限制对于网络实施灵活性将变得更加严格。参见rp-234007中的目标2,new wid:nr mimo phase 5,3gppran会议#102,苏格兰爱丁堡,2023年12月11-15日。
2、例如,这些限制不适用于某个或某些不规则阵列,其没有2/4/8/12/16/24/32个端口。因此,未静音端口的数量需要更加灵活,以支持不同的阵列布局。此外,当使用ai/mlcsi时,不需要由于使用nr类型i单板码本而导致的这种限制。然而,对于这种布局,如何在ue处计算/运算ai/ml csi是一个需要解决的问题。
3、本公开的某些方面及其实施例可以为这些或其他挑战提供解决方案。提出了用于在向ue指示(一个或多个)csi-rs端口子集指示符模式时计算ai/ml csi的方法,其中csi-rs资源中的端口子集未静音。
4、在某些实施例中,ue接收csi报告配置和一个或多个csi-rs端口子集指示符模式的配置。例如,可以从网络节点接收csi报告配置和一个或多个csi-rs端口子集指示符模式的配置。ue接收对ai/ml csi的请求。在某些实施例中,对ai/ml csi的请求可以从网络节点接收,并且可以基于一个或多个csi-rs端口子集指示符模式中的特定csi-rs端口子集指示符模式来指示对ai/ml csi的请求。作为示例,出于解释的目的,由网络节点在对ai/ml csi的请求中指示的特定csi-rs端口子集指示符模式可以被称为csi-rs端口子集指示符模式x。ue根据一个或多个csi-rs端口子集指示符模式来确定第一csi-rs端口索引。ue使用以下一个或多个来确定ai/ml csi:对应于由网络节点为ai/ml csi指示的csi-rs端口子集指示符模式的第一端口索引;由网络节点为ai/ml csi指示的csi-rs端口子集指示符模式中的未静音csi-rs端口上的信道测量;和/或关于网络节点为ai/ml csi指示的csi-rs端口子集指示符模式中哪些端口被静音以及哪些端口未静音的信息。
5、此外,还提出了用于根据配置/请求的csi是基于ai/ml还是不基于ai/ml来决定ue处的不同csi-rs端口索引的方法。继续前一段的示例,在某些实施例中,ue根据所接收的csi报告配置是用于ai/ml csi(在这种情况下,使用第一csi-rs端口索引)还是非ai/mlcsi(在这种情况下,使用第二csi-rs端口索引),来确定是使用第一csi-rs端口索引还是第二csi-rs端口索引。
6、根据一些实施例,由用户设备(ue)执行的用于确定信道状态信息(csi)的方法包括接收一个或多个信道状态信息参考信号(csi-rs)端口子集指示符模式的配置。每个csi-rs端口子集指示符模式指示静音csi-rs端口和未静音csi-rs端口。该方法包括接收请求,该请求指示用于确定基于人工智能的csi和/或基于机器学习的csi(ai/ml csi)的一个或多个csi-rs端口子集指示符模式中的csi-rs端口子集指示符模式(x)。该方法包括报告使用以下一个或多个确定的ai/ml csi:对应于csi-rs端口子集指示符模式(x)的第一端口索引;csi-rs端口子集指示符模式(x)中的未静音csi-rs端口上的信道测量;和/或关于哪些端口对应于csi-rs端口子集指示符模式(x)中的静音csi-rs端口和未静音csi-rs端口的信息。
7、根据某些实施例,ue包括处理电路,该处理电路配置成接收一个或多个信道状态信息参考信号(csi-rs)端口子集指示符模式的配置。每个csi-rs端口子集指示符模式指示静音csi-rs端口和未静音csi-rs端口。该处理电路还配置成接收请求,该请求指示一个或多个csi-rs端口子集指示符模式中的csi-rs端口子集指示符模式(x),用于确定基于人工智能的csi和/或基于机器学习的csi(ai/ml csi)。该处理电路还配置成报告使用以下中的一个或多个确定的ai/ml csi:对应于csi-rs端口子集指示符模式(x)的第一端口索引;csi-rs端口子集指示符模式(x)中的未静音csi-rs端口上的信道测量;和/或关于哪些端口对应于csi-rs端口子集指示符模式(x)中的静音csi-rs端口和未静音csi-rs端口的信息。ue还包括配置成向处理电路供电的电源电路。
8、根据一些实施例,由网络节点执行的用于获得csi的方法包括以下动作。该方法向ue发送一个或多个csi-rs端口子集指示符模式的配置,每个csi-rs端口子集指示符模式指示静音csi-rs端口和未静音csi-rs端口。该方法向ue发送请求,该请求指示用于确定ai/mlcsi的一个或多个csi-rs端口子集指示符模式中的csi-rs端口子集指示符模式(x)。该方法从ue接收ai/ml csi的报告。
9、根据某些实施例,网络节点包括配置成向ue发送一个或多个csi-rs端口子集指示符模式的配置的处理电路,每个csi-rs端口子集指示符模式指示静音csi-rs端口和未静音csi-rs端口。该处理电路还配置成向ue发送请求,该请求指示用于确定ai/ml csi的一个或多个csi-rs端口子集指示符模式中的csi-rs端口子集指示符模式(x)。处理电路还配置成从ue接收ai/ml csi的报告。网络节点还包括配置成向处理电路供电的电源电路。
10、某些实施例可以提供以下一个或多个技术优势。在某些实施例中,当指示具有灵活数量的未静音端口的csi-rs端口子集时,可以计算ai/ml csi。所提出的解决方案减轻了与先前方法相关联的限制,并且适用于例如某些不规则阵列布局或者不具有2/4/8/12/16/24/32个端口的阵列布局。
11、对于本领域技术人员来说,其他优点可能是显而易见的。某些实施例可能没有、或有一些或全部列举的优点。
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