用于小区级测量预测的方法与流程
背景技术:
1、在nr中,当无线发射/接收单元(wtru)处于rrc_connected状态时,例如,wtru可以测量小区的一个或多个波束的信号电平,和/或可以对测量结果进行平均以推导出小区质量。wtru可以被配置为考虑检测到的波束的子集。滤波可以在一个或多个(例如两个)不同级别进行:在物理层(l1)级别以推导波束质量,和/或(例如然后)在无线资源控制(rrc)(l3)级别以从一个或多个(例如多个)波束推导小区质量。对于服务小区和/或非服务小区,可以通过相同的方式从波束测量得出小区质量。例如,如果wtru被gnb配置为这样做,则测量报告可以包括x个最佳波束的测量结果。
技术实现思路
1、一种无线发射/接收单元(wtru)可以被配置为发送关于波束测量预测的能力信息。wtru可以被配置有考虑预测波束测量波束的小区级测量推导和/或l3测量滤波配置。wtru可以被配置有测量报告配置,所述测量报告配置具有的触发条件与考虑服务小区和/或相邻小区的测量波束和/或推导波束而推导的小区级测量相关。wtru可以被配置为在测量报告中指示与预测测量相关的信息。wtru可以被配置为:监测经配置的测量触发条件,和/或发送测量报告,所述测量报告包括与预测测量相关的附加信息。
2、无线发射/接收单元(wtru)可以发送关于波束测量预测的能力信息。wtru可以接收适用于预测波束测量和/或测量波束的信号电平的小区级测量推导和/或测量滤波配置。wtru可以接收测量报告配置。测量报告配置可以包括与从以下中的一者或多者推导的小区级测量相关的一个或多个条件和/或阈值:测量波束和/或预测波束。wtru可以执行波束的测量和波束预测。wtru可以确定小区级测量。在一个或多个测量报告条件被满足的情况下,wtru可以发送测量报告。
3、测量报告配置还包括要包括在测量报告中的与预测波束测量相关的信息。发送能力信息可以包括发送波束测量预测的类型。波束测量预测的类型包括波束测量的空间类型或时间类型。发送能力信息可以包括发送附加细节,其中附加细节包括以下中的一项或多项:可以预测的波束的数量、要测量以对其他波束执行预测的波束的数量、置信度水平、可以执行波束预测的wtru速度、和/或可以执行波束预测的一个或多个频率。
4、无线发射/接收单元(wtru)可以(例如经由收发器)接收配置信息。配置信息可以包括用于执行波束测量的第一配置信息、用于预测波束测量的第二配置信息、用于基于例如一个或多个执行的波束测量和/或一个或多个推导的(例如预测的)波束测量来推导小区级测量的第三配置信息、用于对未滤波的小区级测量进行滤波的第四配置信息、和/或用于发送测量报告的第五配置。wtru可以根据第一配置信息来确定第一波束子集的一个或多个波束测量。wtru可以根据第二配置信息来确定第二波束子集的一个或多个预测波束测量。wtru可以根据第三配置信息、基于第一波束子集和/或第二波束子集来确定未滤波的小区级测量。wtru可以根据第四配置信息、基于未滤波的小区级测量来确定经滤波的小区级测量。wtru可以根据第五配置信息(例如经由收发器)发送测量报告。测量报告可以包括经滤波的小区级测量的指示。
5、wtru可以(例如经由收发器)发送能力信息。能力信息可以指示wtru和/或处理器能够预测波束测量。能力信息可以包括:波束预测类型、可以预测的波束的数量、要测量以确定与一个或多个预测波束测量相关联的第二波束子集的波束的数量、与第二波束子集的预测相关联的置信度水平、或者要运行人工智能/机器学习(ai/ml)模型的一个或多个条件。
6、推导和/或确定未滤波的小区级测量的第三配置信息可以包括波束合并标准。波束合并标准可以指示以下中的一项或多项:要包括在合并中的测量波束的最大数量、要包括在合并中的预测测量波束的最大数量、要包括在合并中的测量波束或预测波束的最大总数、与第一波束子集的每个波束测量相关联的(例如信号电平)阈值、与第二波束子集的每个预测测量相关联的(例如信号电平)阈值、和/或与每个预测波束测量相关联的第一(例如平均)加权因子(例如用于确定未滤波的小区级测量)和/或与每个波束测量相关联的第二(例如平均)加权因子(例如用于确定未滤波的小区级测量)。wtru可以基于波束合并标准来确定未滤波的小区级测量。
7、第四配置信息可以包括基于空间的配置信息和/或基于时间的配置信息。wtru可以基于基于空间的配置信息和/或基于时间的配置信息来确定经滤波的小区级测量。第四配置信息可以包括与一个或多个波束测量相关联的第一系数和/或与一个或多个预测波束测量相关联的第二系数。wtru可以使用第一系数和/或第二系数来确定经滤波的小区级测量。
8、wtru可以基于基于时间的配置信息来确定一个或多个(例如直接)小区级测量。wtru可以基于一个或多个(例如直接)小区级测量来确定经滤波的小区级测量。
9、wtru可以使用人工智能/机器学习(ai/ml)模型来预测第二波束子集。
10、wtru可以确定与服务小区相关联的第一小区级测量集合和/或与目标小区相关联的第二小区级测量集合。wtru可以基于与服务小区相关联的第一小区测量集合和/或与目标小区相关联的第二小区级测量集合来发送测量报告。wtru可以基于第一小区级测量集合与第二小区级测量集合的比较来发送测量报告。
1.一种无线发射/接收单元(wtru),包括:
2.如权利要求1所述的wtru,其中所述处理器被配置为:经由所述收发器发送能力信息,其中所述能力信息指示所述处理器能够预测波束测量,其中所述能力信息包括:波束预测类型、能够预测的波束的数量、要测量以确定与所述预测波束测量相关联的所述第二波束集的波束的数量、与所述第二波束子集的预测相关联的置信度水平、或者人工智能/机器学习ai/ml模型能够运行的一个或多个条件。
3.如权利要求1所述的wtru,其中所述第三配置信息包括波束合并标准,所述波束合并标准指示以下中的一项或多项:要包括在合并中的测量波束的最大数量、要包括在所述合并中的预测波束的最大数量、要包括在所述合并中的测量波束或预测波束的最大总数、与所述第一波束子集的每个波束测量相关联的阈值、与所述第二波束子集的每个预测测量相关联的阈值、与每个预测波束测量相关联的第一加权因子、或者与每个波束测量相关联的第二加权因子,并且
4.如权利要求1所述的wtru,其中所述第四配置信息包括基于空间的配置信息或基于时间的配置信息,并且其中所述处理器被配置为:基于所述基于空间的配置信息或所述基于时间的配置信息来确定所述经滤波的小区级测量。
5.如权利要求4所述的wtru,其中所述第四配置信息包括与所述一个或多个波束测量相关联的第一系数以及与所述一个或多个预测波束测量相关联的第二系数,并且其中所述处理器被配置为:使用所述第一系数或所述第二系数来确定所述经滤波的小区级测量。
6.如权利要求1所述的wtru,其中所述处理器被配置为:使用人工智能/机器学习ai/ml模型来预测所述第二波束子集。
7.如权利要求1所述的wtru,其中所述处理器被配置为:确定与服务小区相关联的第一小区级测量集合以及与目标小区相关联的第二小区级测量集合。
8.如权利要求7所述的wtru,其中所述测量报告基于与所述服务小区相关联的所述第一小区级测量集合或与所述目标小区相关联的所述第二小区级测量集合来发送。
9.如权利要求7所述的wtru,其中所述测量报告基于所述第一小区级测量集合与所述第二小区级测量集合的比较来发送。
10.一种由无线发射/接收单元(wtru)执行的方法,所述方法包括:
11.如权利要求10所述的方法,还包括发送能力信息,其中所述能力信息指示所述wtru能够预测波束测量,其中所述能力信息包括:波束预测类型、能够预测的波束的数量、要测量以确定与所述预测波束测量相关联的所述第二波束集的波束的数量、与所述第二波束子集的预测相关联的置信度水平、或者人工智能/机器学习ai/ml模型能够运行的一个或多个条件。
12.如权利要求10所述的方法,其中所述第三配置信息包括波束合并标准,所述波束合并标准指示以下中的一项或多项:要包括在合并中的测量波束的最大数量、要包括在所述合并中的预测波束的最大数量、要包括在所述合并中的测量波束或预测波束的最大总数、与所述第一波束子集的每个波束测量相关联的阈值、与所述第二波束子集的每个预测测量相关联的阈值、与每个预测波束测量相关联的第一加权因子、或者与每个波束测量相关联的第二加权因子,并且
13.如权利要求10所述的方法,其中所述第四配置信息包括基于空间的配置信息或基于时间的配置信息,并且其中基于所述基于空间的配置信息或所述基于时间的配置信息来确定所述经滤波的小区级测量。
14.如权利要求13所述的方法,其中所述第四配置信息包括与所述一个或多个波束测量相关联的第一系数和与所述一个或多个预测波束测量相关联的第二系数,并且其中基于所述第一系数或所述第二系数来确定所述经滤波的小区级测量。
15.如权利要求10所述的方法,还包括:使用人工智能/机器学习ai/ml模型来预测所述第二波束子集。
16.如权利要求10所述的方法,还包括:确定与服务小区相关联的第一小区级测量集合以及与目标小区相关联的第二小区级测量集合。
17.如权利要求16所述的方法,其中所述测量报告基于与所述服务小区相关联的所述第一小区级测量集合或与所述目标小区相关联的所述第二小区级测量集合来发送。
18.如权利要求16所述的方法,其中所述测量报告基于所述第一小区级测量集合与所述第二小区级测量集合的比较来发送。
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