用于通信系统中的信道状态信息反馈的方法和装置与流程

本公开的示例性实施例涉及通信系统中的信道状态信息反馈技术，更具体地，涉及一种用于通信系统的信道状态信息反馈技术，其中终端通过使用人工神经网络将信道状态信息(csi)分类为多个资源区域的公共csi和每资源区域csi，并将分类的csi发射到基站。

背景技术：

1、随着信息通信技术的发展，各种无线通信技术得到了发展。典型的无线通信技术包括长期演进(lte)、新无线电(nr)、第六代(6g)通信等。lte可以是第四代(4g)无线通信技术之一，而nr可以是第五代(5g)无线通信技术之一。

2、为了处理第四代(4g)通信系统(例如，长期演进(lte)通信系统或高级lte(lte-a)通信系统)商业化后快速增加的无线数据，正在考虑第五代(5g)通信系统(例如，新无线电(nr)通信系统)，第五代(5g)通信系统使用高于4g通信系统的频带的频带(例如，6ghz或以上的频带)以及4g通信系统的频带(例如，6ghz或以下的频带)。5g通信系统可以支持增强型移动宽带(embb)、超可靠和低延迟通信(urllc)以及大规模机器类型通信(mmtc)。

3、另外，正在积极研究将人工智能(ai)和机器学习(ml)技术应用于移动通信。在此类研究中，3gpp正在讨论基于ai/ml的信道状态信息(csi)压缩方法。此外，学术界正在提出一种使用基于卷积神经网络(cnn)的自动编码器的csi压缩方法(其是ai/ml技术之一)来压缩信道信息。自动编码器可以计算每个子带的信道的特征向量，然后压缩多个子带的特征向量。然而，在基于ai/ml的csi压缩技术中，多个子带的特征向量可以不被压缩为作为信道状态信息的csi反馈信息。因此，当多个子带的特征向量被压缩为特征信息时，特征信息可以在构成csi反馈的有效负载上具有纠缠结构。此时，终端可能希望对特征向量的部分特征信息(例如，关于某些子带的特征向量的信息)执行选择性csi反馈。在这种情况下，终端不能为所选择的特征指定csi反馈有效负载的配置，因此不能自适应地控制csi反馈有效负载。

技术实现思路

1、本公开的示例性实施例旨在提供一种用于通信系统中的csi反馈的方法和装置，允许终端通过使用人工神经网络将csi分类为多个资源区域的公共csi和每资源区域csi，并且将分类的csi发射给基站。

2、根据本公开的第一示例性实施例，一种终端的方法可以包括：从基站接收参考信号；通过使用人工神经网络基于参考信号生成第一潜在向量，第一潜在向量是m个资源区域的公共信道状态信息(csi)，m是正整数；通过使用人工神经网络基于参考信号生成第二潜在向量，第二潜在向量是m个资源区域中的每个资源区域的每资源区域csi；以及向基站发射包括第一潜在向量和第二潜在向量的结构化csi。

3、m个资源区域中的每一个可以是csi参考信号(csi-rs)资源区域、子带、时间段或者时间和频率资源区域中的至少一个。

4、该方法还可以包括，在从基站接收参考信号之前，从基站接收关于潜在向量的划分结构的信息，其中结构化csi是基于接收的关于潜在向量的划分结构的信息来生成的。

5、关于潜在向量的划分结构的信息可以包括以下信息中的至少一种：关于潜在向量是否被结构化的信息；关于潜在向量的划分的数量的信息；关于潜在向量的每个划分的大小的信息；关于与公共csi相对应的潜在向量的划分的信息；关于与每资源区域csi相对应的潜在向量的划分的信息；关于公共csi的反馈比特位的数量的信息；关于公共csi的反馈有效负载大小的信息；关于每资源区域csi的反馈比特位的数量的信息；或者关于每资源区域csi的反馈有效负载大小的信息。

6、该方法还可以包括：从基站接收关于是否支持结构化csi的终端能力询问信号；以及向基站发射包括关于是否支持结构化csi的信息的终端能力信息。

7、终端能力信息可以包括以下信息中的至少一种：关于是否支持结构化csi的信息；关于第一潜在向量的划分的数量的信息；关于第一潜在向量的每个划分的大小的信息；关于第二潜在向量的划分的数量的信息；或关于第二潜在向量的每个划分的大小的信息。

8、该方法还可以包括向基站发射m个资源区域的位置信息。

9、该方法还可以包括：通过将回归模型应用到m个资源区域中的每一个资源区域的每资源区域csi来生成每个未观测的资源区域的预测的每资源区域csi；以及向基站发射预测的第二潜在向量，该预测的第二潜在向量是未观测的资源区域的预测的每资源区域csi。

10、根据本公开的第二示例性实施例，一种基站的方法可以包括：向终端发射参考信号；基于参考信号从终端接收包括第一潜在向量和第二潜在向量的结构化信道状态信息(csi)；通过经由人工神经网络恢复第一潜在向量，生成资源区域的公共csi；通过经由人工神经网络恢复第二潜在向量，生成资源区域中的每个资源区域的每资源区域csi；以及使用公共csi和每资源区域csi来构造资源区域中的每个资源区域的信道信息。

11、资源区域中的每个资源区域可以是csi参考信号(csi-rs)资源区域、子带、时间段或者时间和频率资源区域中的至少一个。

12、该方法还可以包括，在向终端发射参考信号之前，向终端发射关于潜在向量的划分结构的信息，其中，第一潜在向量和第二潜在向量是基于潜在向量的划分结构来生成的。

13、关于潜在向量的划分结构的信息可以包括以下信息中的至少一种：关于潜在向量是否被结构化的信息；关于潜在向量的划分的数量的信息；关于潜在向量的每个划分的大小的信息；关于与公共csi相对应的潜在向量的划分的信息；关于与每资源区域csi相对应的潜在向量的划分的信息；关于公共csi的反馈比特位的数量的信息；关于公共csi的反馈有效负载大小的信息；关于每资源区域csi的反馈比特位的数量的信息；或者关于每资源区域csi的反馈有效负载大小的信息。

14、该方法还可以包括：向终端发射关于是否支持结构化csi的终端能力询问信号；以及从终端接收包括关于是否支持结构化csi的信息的终端能力信息。

15、终端能力信息可以包括以下信息中的至少一种：关于是否支持结构化csi的信息；关于第一潜在向量的划分的数量的信息；关于第一潜在向量的每个划分的大小的信息；关于第二潜在向量的划分的数量的信息；或关于第二潜在向量的每个划分的大小的信息。

16、该方法还可以包括：通过将回归函数应用到第二潜在向量来生成未观测的资源区域的预测的第二潜在向量；通过组合第一潜在向量和预测的第二潜在向量来生成未观测的资源区域的预测的每资源区域csi；以及从预测的每资源区域csi生成未观测的资源区域的信道信息。

17、该方法还可以包括：计算资源区域中的每个资源区域的信道信息的重构损失；通过对相应的资源区域的信道信息的重构损失求和来计算整个资源区域的信道信息的重构损失；以及训练人工神经网络以最小化整个资源区域的信道信息的重构损失。

18、根据本公开的第三示例性实施例，一种终端可以包括处理器，其中该处理器可以使得终端执行：从基站接收参考信号；通过使用人工神经网络基于参考信号生成第一潜在向量，第一潜在向量是m个资源区域的公共信道状态信息(csi)，m是正整数；通过使用人工神经网络基于参考信号生成第二潜在向量，第二潜在向量是m个资源区域中的每个资源区域的每资源区域csi；以及向基站发射包括第一潜在向量和第二潜在向量的结构化csi。

19、m个资源区域中的每一个可以是csi参考信号(csi-rs)资源区域、子带、时间段或者时间和频率资源区域中的至少一个。

20、处理器还可以使得终端执行：从基站接收关于是否支持结构化csi的终端能力询问信号；以及向基站发射包括关于是否支持结构化csi的信息的终端能力信息。

21、处理器还可以使得终端执行：通过将回归模型应用到m个资源区域中的每一个的每资源区域csi来生成每个未观测资源区域的预测的每资源区域csi；以及向基站发射预测的第二潜在向量，该预测的第二潜在向量是未观测资源区域的预测的每资源区域csi。

22、根据本公开，终端可以利用人工神经网络以将多个资源区域的公共信道信息压缩为第一类型的潜在向量，并将每资源区域信道信息压缩为第二类型的潜在向量。另外，根据本公开，终端可以向基站发射包括第一类型的潜在向量和第二类型的潜在向量的结构化csi。因此，基站可以从终端接收包括第一类型的潜在向量和第二类型的潜在向量的结构化csi。另外，根据本公开，基站可以使用第一类型的潜在向量和第二类型的潜在向量来恢复每个资源区域的信道信息。