<listing id="vjp15"></listing><menuitem id="vjp15"></menuitem><var id="vjp15"></var><cite id="vjp15"></cite>
<var id="vjp15"></var><cite id="vjp15"><video id="vjp15"><menuitem id="vjp15"></menuitem></video></cite>
<cite id="vjp15"></cite>
<var id="vjp15"><strike id="vjp15"><listing id="vjp15"></listing></strike></var>
<var id="vjp15"><strike id="vjp15"><listing id="vjp15"></listing></strike></var>
<menuitem id="vjp15"><strike id="vjp15"></strike></menuitem>
<cite id="vjp15"></cite>
<var id="vjp15"><strike id="vjp15"></strike></var>
<var id="vjp15"></var>
<var id="vjp15"></var>
<var id="vjp15"><video id="vjp15"><thead id="vjp15"></thead></video></var>
<menuitem id="vjp15"></menuitem><cite id="vjp15"><video id="vjp15"></video></cite>
<var id="vjp15"></var><cite id="vjp15"><video id="vjp15"><thead id="vjp15"></thead></video></cite>
<var id="vjp15"></var>
<var id="vjp15"></var>
<menuitem id="vjp15"><span id="vjp15"><thead id="vjp15"></thead></span></menuitem>
<cite id="vjp15"><video id="vjp15"></video></cite>
<menuitem id="vjp15"></menuitem>

基于ML技術的CSI報告的制作方法

文檔序號:41260646發布日期:2025-03-14 12:30閱讀:56來源:國知局

本公開大體上涉及無線通信,并且更具體地,涉及基于機器學習(ml)技術的信道狀態信息(csi)報告。


背景技術:

1、第三代合作伙伴計劃(3gpp)指定了一種稱為第五代(5g)新無線電(nr)?(5g?nr)的無線電接口。5g?nr無線通信系統的架構可包括5g核心(5gc)網絡、5g無線電接入網絡(5g-ran)、用戶設備(ue)等。與其他類型的無線通信系統相比,5g?nr架構可能提供增加的數據速率、降低的時延和/或增加的容量。

2、無線通信系統一般可以被配置為基于支持與多個ue通信的多址技術(諸如,正交頻分多址(ofdma)技術)提供各種電信服務(例如,電話、視頻、數據、消息傳遞、廣播等)。隨著移動寬帶技術的發展,移動寬帶的改進有助于繼續此類技術的進步。例如,用戶設備(ue)和基站可以支持更多的天線配置和多連接。然而,一個后果是信道狀態信息(csi)報告變得更大且更復雜。


技術實現思路

1、下文提出了一個或多個方面的簡化概述,以便提供對此類方面的基本理解。此概述并非是對所有預期方面的廣泛綜述。此概述既不標識所有方面的關鍵或重要元素,也不描述任何或所有方面的范圍。它唯一目的是以簡化形式提出一個或多個方面的一些概念,作為稍后呈現的更詳細描述的序言。

2、用戶設備(ue)可以從網絡實體(諸如,基站)接收一個或多個信道狀態信息-參考信號(csi-rs),以生成一個或多個信道狀態信息(csi)報告。在一些情況下,ue可以基于機器學習(ml)模型生成至少一個csi報告。因此,ue可以包括用于并行處理基于ml模型的多個csi報告和/或并行處理基于ml模型的第一csi報告和不基于ml模型的第二csi報告的ue能力。

3、ue可以使用ml模型,以通過使用一個或多個子帶特征向量壓縮至少一個csi報告來降低至少一個csi報告的復雜性。另外或替代地,當一個或多個csi報告的總有效載荷大小超過閾值時,ue可以利用ml模型來省略至少一個csi報告的至少一部分。

4、根據一些方面,ue從網絡實體接收csi-rs,并且基于csi-rs的測量來選擇寬帶預編碼器來壓縮csi報告。寬帶預編碼器的選擇基于用于接收csi-rs的整個帶寬。ue通過所選擇的寬帶預編碼器使用一個或多個預編碼的估計子帶信道的一個或多個子帶特征向量來壓縮csi報告。ue向網絡實體傳輸/發送指示寬帶預編碼器的第一預編碼矩陣指示符(pmi)和指示一個或多個子帶特征向量的第二pmi。

5、網絡實體向ue傳輸csi-rs,以選擇基于csi-rs的測量來壓縮csi報告的寬帶預編碼器。寬帶預編碼器的選擇基于用于傳輸csi-rs的整個帶寬。網絡實體從ue接收csi報告,該csi報告通過所選擇的寬帶預編碼器使用一個或多個預編碼子帶信道的一個或多個子帶特征向量、指示寬帶預編碼器的第一pmi和指示一個或多個子帶特征向量的第二pmi進行壓縮。網絡實體使用第一pmi和第二pmi作為對ml模型的輸入來解壓縮csi報告,該ml模型輸出解壓縮的csi報告。

6、根據一些方面,ue從網絡實體接收一個或多個csi-rs,以向網絡實體傳輸一個或多個csi報告。一個或多個csi報告中的至少一個csi報告基于ml模型。當一個或多個csi報告的總有效載荷大小超過閾值時,ue基于ml模型輸出省略至少一個csi報告的至少一部分。ue向網絡實體傳輸一個或多個csi報告,其中從傳輸中省略至少一個csi報告的至少一部分。

7、根據一些方面,ue從網絡實體接收用于csi報告處理過程的配置。該配置用于以下至少一個:(a)使用ml模型處理多個csi報告,或(b)使用ml模型處理第一組csi報告,而不處理第二組csi報告。ue從網絡實體接收多個csi-rs。多個csi-rs的測量基于用于csi報告處理過程的ue能力。ue基于用于csi報告處理過程的ue能力向網絡實體傳送csi報告。

8、網絡實體向ue傳輸用于csi報告處理過程的配置。該配置用于以下至少一個:(a)使用ml模型處理多個csi報告,或(b)使用ml模型處理第一組csi報告,而不處理第二組csi報告。網絡實體向ue傳輸多個csi-rs。ue基于用于csi報告處理過程的ue能力處理多個csi-rs的測量。基于所接收的csi報告,網絡實體與ue進行通信。

9、為了完成前述和相關目的,一個或多個方面與下文所述和權利要求中特別指出的特征相對應。一個或多個方面可以通過裝置、方法、用于執行該方法的構件和/或非暫時性計算機可讀介質中的任一個實現。以下描述和附圖詳細闡述了一個或多個方面的某些說明性特征。然而,這些特征指示可以采用各個方面的原理的各種方式中的僅少數方式。



技術特征:

1.一種在用戶設備(ue)處進行無線通信的方法,包括:

2.如權利要求1所述的方法,其中所述csi報告使用機器學習(ml)模型而被壓縮。

3.如權利要求1至2中任一項所述的方法,進一步包括從所述網絡實體接收用于以下中的至少一個的無線電資源控制(rrc)配置:

4.如權利要求1至2中任一項所述的方法,其中所述ml模型是預定的ml模型或基于預定義的協議中的至少一個。

5.如權利要求1至4中任一項所述的方法,其中發送所述第一pmi和所述第二pmi進一步包括:

6.如權利要求1至4中任一項所述的方法,其中發送所述第一pmi和所述第二pmi進一步包括:

7.一種在用戶設備(ue)處進行無線通信的方法,包括:

8.如權利要求7所述的方法,其中省略所述至少一個csi報告的所述至少一部分是基于所述至少一部分具有以下中的至少一個:

9.如權利要求7至8中任一項所述的方法,其中省略所述至少一個csi報告的所述至少一部分進一步包括:

10.如權利要求7至8中任一項所述的方法,其中省略所述至少一個csi報告的所述至少一部分進一步包括:

11.如權利要求1至8或10中任一項所述的方法,進一步包括省略不基于所述ml模型的至少一個其他csi報告的第二部分,所述至少一個其他csi報告被包括在所述一個或多個csi報告向所述網絡實體的所述傳輸中。

12.如權利要求1至11中任一項所述的方法,其中所述一個或多個csi報告向所述網絡實體的所述傳輸包括從基于所述ml模型的所述至少一個csi報告省略的所述至少一部分的指示。

13.一種在用戶設備(ue)處進行無線通信的方法,包括:

14.如權利要求13所述的方法,進一步包括向所述網絡實體傳輸ue能力報告,所述ue能力報告指示用于所述csi報告處理過程的所述ue能力。

15.如權利要求13至14中任一項所述的方法,其中用于所述csi報告處理過程的所述ue能力對應于用于占用類型2?csi處理單元(cpu)的第一ue能力或用于最小csi報告處理延遲的第二ue能力中的至少一個。

16.如權利要求13至15中任一項所述的方法,其中基于用于所述csi報告處理過程的所述ue能力向所述網絡實體傳送所述csi報告進一步包括:

17.如權利要求13至16中任一項所述的方法,進一步包括接收觸發指示以對于以下中的至少一個測量所述多個csi-rs:與所述ml模型相關聯的所述多個csi報告、或與所述ml模型相關聯的所述第一csi報告和不與所述ml模型相關聯的所述第二csi報告。

18.如權利要求13至17中任一項所述的方法,其中所述多個csi-rs的所述測量基于以下中的所述至少一個中的每一個的優先級發生:所述多個csi報告、或所述第一csi報告和所述第二csi報告。

19.一種用于無線通信的裝置,包括存儲器和至少一個處理器,所述至少一個處理器耦合到所述存儲器并且被配置為實現如權利要求1至18中任一項所述的方法。


技術總結
本公開描述了基于ML技術的CSI報告。UE從網絡實體接收一個或多個CSI?RS以生成一個或多個CSI報告。當至少一個CSI報告基于ML模型時,該UE可以通過所選擇的寬帶預編碼器使用一個或多個預編碼的估計子帶信道的一個或多個子帶特征向量來壓縮該至少一個CSI報告。當該一個或多個CSI報告的總有效載荷大小超過閾值時,該UE還可以省略該至少一個CSI報告的至少一部分。該UE可以被配置用于并行處理基于該ML模型的多個CSI報告和/或并行處理基于該ML模型的第一CSI報告和不基于該ML模型的第二CSI報告。

技術研發人員:張羽書,吳志祥
受保護的技術使用者:谷歌有限責任公司
技術研發日:
技術公布日:2025/3/13
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
韩国伦理电影