用于减轻毫米波系统中的手阻挡的机器学习方法与流程

概括而言，本公开内容涉及通信系统，并且更具体地，本公开内容涉及用于减轻毫米波系统中的手阻挡的机器学习方法以及在低于太赫兹频率处操作的系统。

背景技术：

1、无线通信系统被广泛地部署以提供诸如电话、视频、数据、消息传送和广播之类的各种电信服务。典型的无线通信系统可以采用能够通过共享可用的系统资源来支持与多个用户的通信的多址技术。这样的多址技术的示例包括码分多址(cdma)系统、时分多址(tdma)系统、频分多址(fdma)系统、正交频分多址(ofdma)系统、单载波频分多址(sc-fdma)系统以及时分同步码分多址(td-scdma)系统。

2、已经在各种电信标准中采用这些多址技术以提供公共协议，该协议使得不同的无线设备能够在城市、国家、地区以及甚至全球层面上进行通信。一种示例电信标准是5g新无线电(nr)。5g nr是第三代合作伙伴计划(3gpp)发布的连续移动宽带演进的一部分，以满足与时延、可靠性、安全性、可扩展性(例如，在物联网(iot)的情况下)相关联的新要求和其它要求。5g nr包括与增强型移动宽带(embb)、大规模机器类型通信(mmtc)和超可靠低时延通信(urllc)相关联的服务。5g nr的一些方面可以基于4g长期演进(lte)标准。存在对5g nr技术进一步改进的需求。这些改进还可以适用于其它多址技术以及采用这些技术的电信标准。

技术实现思路

1、下文给出了一个或多个方面的简化概述，以便提供对这样的方面的基本理解。该概述不是对所有预期方面的泛泛综述，而且既不旨在标识所有方面的关键或重要元素，也不旨在描绘任何或所有方面的范围。其唯一目的是以简化的形式给出一个或多个方面的一些概念，作为稍后给出的更加详细的描述的前序。

2、在一个方面中，本公开内容提供了一种针对由移动设备进行的无线通信的波束选择的方法。所述方法可以包括：在所述移动设备的操作期间，检测由操作者的手在所述移动设备上引起的传感器状态。所述方法可以包括：当所述移动设备正在所述传感器状态下操作时，使用基于参考信号选择的经细化波束集合进行通信，所述经细化波束集合对应于所述传感器状态。所述方法可以包括：基于包括所述传感器状态和所述经细化波束集合的对的训练数据集合来训练机器学习模型，以基于检测到的传感器状态从第二波束权重集合中选择第一波束权重集合。所述方法可以包括：在所述移动设备的操作期间，根据基于所述机器学习模型所选择的手阻挡状态来使用所述第一波束权重集合进行通信，所述手阻挡状态包括针对当前检测到的传感器状态的所述第一波束权重集合。

3、本公开内容还提供了：一种装置(例如，ue)，其包括存储计算机可执行指令的存储器以及被配置为执行计算机可执行指令以执行上述方法的至少一个处理器；一种包括用于执行上述方法的单元的装置；以及一种存储用于执行上述方法的计算机可执行指令的非暂时性计算机可读介质。

4、在一个方面中，本公开内容提供了一种在移动设备处辅助波束训练的方法。所述方法可以包括：发送下行链路参考信号以用于在所述移动设备处进行波束训练。所述方法可以包括：从所述移动设备接收对于细化由所述移动设备基于所述移动设备的传感器状态而选择的波束权重集合的请求。所述方法可以包括：响应于所述请求来发送参考信号的配置。所述方法可以包括：根据所述配置来发送或接收所述参考信号。

5、本公开内容还提供了：一种装置(例如，基站)，其包括存储计算机可执行指令的存储器以及被配置为执行计算机可执行指令以执行上述方法的至少一个处理器；一种包括用于执行上述方法的单元的装置；以及一种存储用于执行上述方法的计算机可执行指令的非暂时性计算机可读介质。

6、为了实现前述和相关目的，一个或多个方面包括下文中充分描述并且在权利要求中具体指出的特征。以下描述和附图详细地阐述了一个或多个方面的某些说明性特征。然而，这些特征指示可以采用各个方面的原理的各种方式中的仅一些方式，并且本说明书旨在包括所有这样的方面以及它们的等效物。

技术特征：

1.一种针对由移动设备进行的无线通信的波束选择的方法，包括：

2.根据权利要求1所述的方法，其中，所述机器学习模型是特定于所述移动设备的。

3.根据权利要求2所述的方法，其中，所述机器学习模型是特定于所述移动设备和所述操作者的。

4.根据权利要求1所述的方法，其中，在所述移动设备的操作期间，基于所述机器学习模型来选择包括针对所述当前检测到的传感器状态的所述第一波束权重集合的所述手阻挡状态包括：

5.根据权利要求1所述的方法，其中，所述训练数据集合还包括当处于所述传感器状态时由所述移动设备执行的应用。

6.根据权利要求1所述的方法，其中，所述传感器数据包括来自以下各项中的一项或多项的数据：陀螺仪、图像传感器、红外传感器、电容传感器、雷达传感器、或lidar传感器。

7.根据权利要求1所述的方法，还包括：细化针对所述当前检测到的传感器状态的所述第一波束权重集合。

8.根据权利要求7所述的方法，其中，细化针对所述当前检测到的传感器状态的所述第一波束权重集合包括：基于所述当前检测到的传感器状态来请求信道状态信息参考信号(csi-rs)或探测参考信号(srs)的数量和类型。

9.根据权利要求7所述的方法，其中，细化针对所述当前检测到的传感器状态的所述第一波束权重集合包括：请求用于分层波束细化的波束权重集合。

10.根据权利要求7所述的方法，其中，细化针对所述当前检测到的传感器状态的所述第一波束权重集合包括：基于由基站发送的已知符号来执行分层波束细化。

11.根据权利要求1所述的方法，其中，所述手阻挡状态对应于以下各项中的一项或多项：手抓握、所述手相对于天线模块的取向、覆盖所述天线模块的手指数量、或者所述手或其皮肤的性质。

12.根据权利要求1所述的方法，其中，所述第一波束权重集合包括移相器或幅度控制组合，所述移相器或幅度控制组合消除在所述检测到的传感器状态下由所述操作者的所述手或身体引发的随机化。

13.根据权利要求1所述的方法，还包括：接收定义传感器状态集合的迁移学习模型。

14.根据权利要求13所述的方法，其中，所述迁移学习模型是特定于所述移动设备的型号的。

15.一种用于针对由移动设备进行的无线通信的波束选择的装置，包括：

16.根据权利要求15所述的装置，其中，所述机器学习模型是特定于所述移动设备的。

17.根据权利要求16所述的装置，其中，所述机器学习模型是特定于所述移动设备和所述操作者的。

18.根据权利要求15所述的装置，其中，所述至少一个处理器被配置为：

19.根据权利要求15所述的装置，其中，所述训练数据集合还包括当处于所述传感器状态时由所述移动设备执行的应用。

20.根据权利要求15所述的装置，还包括以下各项中的一项或多项：陀螺仪、图像传感器、红外传感器、电容传感器、雷达传感器、或lidar传感器。

21.根据权利要求15所述的装置，其中，所述至少一个处理器被配置为：细化针对所述当前检测到的传感器状态的所述第一波束权重集合。

22.根据权利要求21所述的装置，其中，为了细化针对所述当前检测到的传感器状态的所述第一波束权重集合，所述至少一个处理器被配置为：基于所述当前检测到的传感器状态来请求信道状态信息参考信号(csi-rs)或探测参考信号(srs)的数量和类型。

23.根据权利要求21所述的装置，其中，为了细化针对所述当前检测到的传感器状态的所述第一波束权重集合，所述至少一个处理器被配置为：请求用于分层波束细化的波束集合。

24.根据权利要求21所述的装置，其中，为了细化针对所述当前检测到的传感器状态的所述第一波束权重集合，所述至少一个处理器被配置为：基于由基站发送的已知符号来执行分层波束细化。

25.根据权利要求15所述的装置，其中，所述手阻挡状态对应于以下各项中的一项或多项：手抓握、所述手相对于天线模块的取向、覆盖所述天线模块的手指数量、或者所述手或其皮肤的性质。

26.根据权利要求15所述的装置，其中，所述第一波束权重集合包括移相器或幅度控制组合，所述移相器或幅度控制组合消除在所述检测到的传感器状态下由所述操作者的所述手或身体引发的随机化。

27.根据权利要求15所述的装置，其中，所述至少一个处理器被配置为：接收定义传感器状态集合的迁移学习模型。

28.根据权利要求27所述的装置，其中，所述迁移学习模型是特定于所述移动设备的型号的。

29.一种用于针对由移动设备进行的无线通信的波束选择的装置，包括：

30.一种存储计算机可执行指令的非暂时性计算机可读介质，所述计算机可执行指令在由移动设备的处理器执行时使得所述移动设备进行以下操作：

技术总结本公开内容提供了用于由移动设备基于移动设备的传感器状态进行波束选择以便减轻手阻挡。移动设备在移动设备的操作期间检测由操作者的手在移动设备上引起的传感器状态。当在传感器状态下操作时，移动设备基于参考信号来选择与该传感器状态相对应的经细化波束集合以用于通信。移动设备基于包括传感器状态和经细化波束集合的对的训练数据集合来训练机器学习模型，以基于检测到的传感器状态从第二波束权重集合中选择第一波束权重集合。移动设备基于机器学习模型来选择包括针对当前检测到的传感器状态的第一波束权重集合的手阻挡状态以用于通信。技术研发人员：V·拉加万,M·A·塔苏德吉,骆涛,厉隽怿受保护的技术使用者：高通股份有限公司技术研发日：技术公布日：2024/7/29