定位模型性能监控的方法及其装置与流程

本公开通常涉及移动通信，更具体地，涉及有关于移动通信中装置的用于人工智能/机器学习(artificial intelligence/machine learning，ai/ml)定位的模型性能监控机制。

背景技术：

1、除非本文中另有说明，否则本部分中描述的方法不是下面列出的权利要求的现有技术，并且不通过包括在本部分中而被承认为现有技术。

2、在第五代(5g)新无线电(new radio，nr)移动通信中，引入了人工智能(artificial intelligence，ai)/机器学习(ml，machine learning)方案来定位装置。然而，当装置使用ai/ml模型执行定位操作时，由于装置的部署场景发生变化，ai/ml定位操作的准确性可能会下降。为了提高ai/ml模型的泛化能力，模型监控非常重要。因此，如何提高新开发的无线通信网络中ai/ml模型的准确性成为一个重要问题。因此，需要提供适当的方案来监控模型性能。

技术实现思路

1、以下概述仅是说明性的，并不旨在以任何方式进行限制。也就是说，提供以下概述以介绍本文所述的新颖且非显而易见的技术的构思、要点、益处和优点。在下面的详细描述中进一步描述了选择的实施方式。因此，以下技术实现要素：不旨在标识所要求保护的主题的基本特征，也不旨在用于确定所要求保护的主题的范围。

2、本发明的目标是提出改进有关于移动通信中装置的用于人工智能/机器学习(artificial intelligence/machine learning，ai/ml)定位的模型性能监控机制的解决方案或方案。

3、在一个方面，一种方法可以涉及装置从网络节点接收模型监控数据。该方法还可以涉及装置基于作为模型输入的模型监控数据通过定位模型生成模型输出。该方法还可以涉及装置基于模型输出确定模型监控结果或将模型输出发送到网络节点。

4、在一个方面，一种方法可以涉及装置从网络节点接收模型监控数据。该方法还可以涉及装置基于作为模型输入的模型监控数据通过视线(line of sight，los)模型生成第一los结果。该方法还可以涉及装置根据第一los结果确定装置的估计位置。该方法还可以涉及装置根据装置的估计位置确定第二los结果。该方法还可以涉及装置根据第一los结果和第二los结果确定los比率信息。

5、在一个方面，装置可以包括收发器，在操作期间，用于与无线网络的至少一个网络节点无线通信。装置还可以包括与收发器通信耦接的处理器。在操作期间，处理器可以执行操作包括通过收发器从网络节点接收模型监控数据。处理器还可以执行操作包括基于作为模型输入的模型监控数据通过定位模型生成模型输出。处理器还可以执行操作包括基于模型输出确定模型监控结果或将模型输出发送到网络节点。

6、在一个方面，装置可以包括收发器，在操作期间，用于与无线网络的至少一个网络节点无线通信。装置还可以包括与收发器通信连接的处理器。在操作期间，处理器可以执行操作包括通过收发器从网络节点接收模型监控数据。处理器还可以执行操作包括基于作为模型输入的模型监控数据通过los模型生成第一los结果。处理器还可以执行操作包括根据第一los结果确定装置的估计位置。处理器还可以执行操作包括根据装置的估计位置确定第二los结果。处理器还可以执行操作包括根据第一los结果和第二los结果确定los比率信息。

7、本发明提出了定位模型性能监控的方法及其装置，利用模型监控，实现了提高定位模型性能的有益效果。

8、值得注意的是，尽管本文提供的描述可以是在诸如长期演进(lte)、lte-advanced、lte-advanced pro、5g、新无线电(nr)、物联网(iot)和窄带物联网(nb-iot)、工业物联网(iiot)和6g的某些无线电接入技术、网络和网络拓扑的内容中，但是所提出的构思、方案及其任何变型/派生形式可以在其它类型的无线电接入技术、网络和网络拓扑中实施、应用或由其实施。因此，本发明的范围不限于本文描述的示例。

技术特征：

1.一种定位模型性能监控的方法，包括：

2.如权利要求1所述的定位模型性能监控的方法，其中，该模型监控数据包括以下各项中的至少一项：监控辅助数据和参考信号，并且其中该监控辅助数据包括多个信道时延特性。

3.如权利要求2所述的定位模型性能监控的方法，其中，该监控辅助数据进一步包括多个与该多个信道时延特性对应的定位标签。

4.如权利要求3所述的定位模型性能监控的方法，其中，该多个信道时延特性中的每个包括以下各项中的至少一项：信道脉冲响应、功率延迟配置文件以及参考信号接收功率，以及其中该定位标签中的每个包括该装置的地面真实标签。

5.如权利要求3所述的定位模型性能监控的方法，其中，该模型输出包括估计装置位置和统计信息，其中该统计信息包括值，以及基于该模型输出确定该模型监控结果的步骤进一步包括：

6.如权利要求1所述的定位模型性能监控的方法，其中，该模型监控数据进一步包括该网络节点坐标。

7.如权利要求6所述的定位模型性能监控的方法，其中，该模型输出包括估计装置位置和统计信息，该统计信息包括值，以及基于该模型输出确定该模型监控结果的步骤进一步包括：

8.如权利要求5或7所述的定位模型性能监控的方法，其中，该值包括该估计装置位置的方差或标准差。

9.如权利要求1所述的定位模型性能监控的方法，进一步包括：

10.如权利要求1所述的定位模型性能监控的方法，其中，进一步包括：

11.如权利要求10所述的定位模型性能监控的方法，其中，进一步包括：

12.如权利要求1所述的定位模型性能监控的方法，其中，进一步包括：

13.一种定位模型性能监控的方法，包括：

14.如权利要求13所述的定位模型性能监控的方法，其中，该模型监控数据包括监控辅助数据，以及其中该监控辅助数据包括多个信道时延特性。

15.如权利要求14所述的定位模型性能监控的方法，其中，该多个信道时延特性中的每个包括以下各项中的至少一项：信道脉冲响应、功率时延特性和参考信号接收功率。

16.如权利要求13所述的定位模型性能监控的方法，其中，确定该装置的该估计位置的步骤进一步包括：

17.如权利要求16所述的定位模型性能监控的方法，其中，进一步包括：

18.如权利要求16所述的定位模型性能监控的方法，其中，进一步包括：

19.如权利要求18所述的定位模型性能监控的方法，其中，根据该装置的该估计位置确定该第二视线结果的步骤进一步包括：

20.如权利要求13所述的定位模型性能监控的方法，其中，该视线比率信息包括以下各项中的至少一项：视线比率、非视线比率和视线与非视线的比率。

21.如权利要求12所述的定位模型性能监控的方法，其中，进一步包括：

22.一种用于定位模型性能监控的装置，包括：

技术总结本文描述了各种解决方案，用于改进移动通信中与装置相关的人工智能/机器学习(AI/ML)定位的模型性能监控机制。装置可以从网络节点接收模型监控数据。装置可以基于模型监控数据作为模型输入通过定位模型生成模型输出。装置可以基于模型输出确定模型监控结果，或将模型输出发送至网络节点。本发明利用模型监控，实现了提高定位模型性能的有益效果。技术研发人员：杨彭莉,揭明维,庄乔尧,诸烜程,黄烨受保护的技术使用者：联发科技（新加坡）私人有限公司技术研发日：技术公布日：2024/10/10