用于无线通信的用户设备侧和基站侧的电子设备和方法与流程

本申请涉及无线通信领域，具体地涉及无线通信中基于人工智能(ai)的波束管理技术。更具体地，涉及用于无线通信的用户设备侧的电子设备和方法、用于无线通信的基站侧的电子设备和方法以及计算机可读存储介质。

背景技术：

1、ran#94e次全会上讨论通过，rel-18新增了一个sid，将人工智能/机器学习(ai/ml)引入到空口接入中。基于ai的波束管理成为主要的研究方向之一。利用ai/ml模型进行波束管理，可以替换传统的波束扫描过程来减少开销。具体地，可以通过历史数据对ai/ml模型进行训练，然后利用训练完成后的ai/ml模型对波束相关信息进行预测。

2、近来，各个公司对基于ai的波束管理方案的性能进行了评估，同时也对其对物理层的影响以及潜在的问题和解决方案进行了讨论。在ran#98e全会上明确，现阶段ran1对基于ai的波束管理的课题仅关注于时域波束预测以及空域波束预测两种功能类型。由于适用的环境、输入输出的集合尺寸、输入输出的参量属性不同等因素，使得每种功能类型下的ai模型种类也非常多。ai模型输入输出的关系也在3gpp的讨论范围中。

技术实现思路

1、在下文中给出了关于本公开的简要概述，以便提供关于本公开的某些方面的基本理解。应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图确定本公开的关键或重要部分，也不是意图限定本公开的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

2、根据本公开的一个方面，提供了一种用于无线通信的用户设备侧的电子设备，包括：处理电路，被配置为：对用于执行空域波束预测的第一人工智能模型和用于执行时域波束预测的第二人工智能模型进行配对；以及在配对成功的情况下，在第一人工智能模型和第二人工智能模型之间复用波束测量结果。

3、根据本公开的另一个方面，提供了一种用于无线通信的用户设备侧的方法，包括：对用于执行空域波束预测的第一人工智能模型和用于执行时域波束预测的第二人工智能模型进行配对；以及在配对成功的情况下，在第一人工智能模型和第二人工智能模型之间复用波束测量结果。

4、根据本公开的一个方面，提供了一种用于无线通信的基站侧的电子设备，包括：处理电路，被配置为：对用于执行空域波束预测的第一人工智能模型和用于执行时域波束预测的第二人工智能模型进行配对；以及在配对成功的情况下，在第一人工智能模型和第二人工智能模型之间复用波束测量结果。

5、根据本公开的另一个方面，提供了一种用于无线通信的基站侧的方法，包括：对用于执行空域波束预测的第一人工智能模型和用于执行时域波束预测的第二人工智能模型进行配对；以及在配对成功的情况下，在第一人工智能模型和第二人工智能模型之间复用波束测量结果。

6、根据本公开的其它方面，还提供了用于实现上述用于无线通信的方法的计算机程序代码和计算机程序产品以及其上记录有该用于实现上述用于无线通信的方法的计算机程序代码的计算机可读存储介质。

7、根据本申请的实施例的电子设备和方法通过对用于波束预测的两种功能类型的ai模型进行配对，可以复用波束测量结果，从而进一步降低波束测量开销。

8、通过以下结合附图对本公开的优选实施例的详细说明，本公开的这些以及其他优点将更加明显。

技术特征：

1.一种用于无线通信的用户设备侧的电子设备，包括：

2.根据权利要求1所述的电子设备，其中，在针对所述第一人工智能模型的输入波束集合包含针对所述第二人工智能模型的输入波束集合并且所述第一人工智能模型的输入参数属性包含所述第二人工智能模型的输入参数属性的情况下，配对成功。

3.根据权利要求2所述的电子设备，其中，所述输入参数属性至少包括如下之一：参考信号接收功率、信道脉冲响应。

4.根据权利要求2所述的电子设备，其中，所述波束测量结果包括针对所述第一人工智能模型的输入波束集合中的波束的测量结果的至少一部分。

5.根据权利要求1所述的电子设备，在配对成功后，在发生所述第一人工智能模型和/或所述第二人工智能模型的切换的情况下，所述处理电路被配置为重新执行配对。

6.一种用于无线通信的基站侧的电子设备，包括：

7.根据权利要求6所述的电子设备，其中，所述第一人工智能模型和所述第二人工智能模型均布置在所述基站侧，所述处理电路被配置为基于所述第一人工智能模型的模型参数和所述第二人工智能模型的模型参数来进行配对，以确定是否配对成功。

8.一种用于无线通信的用户设备侧的方法，包括：

9.一种用于无线通信的基站侧的方法，包括：

10.一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被处理器执行时，使得所述处理器执行根据权利要求8或9所述的方法。

技术总结本公开提供了一种用于无线通信的用户设备侧和基站侧的电子设备和方法、计算机可读存储介质。用于无线通信的用户设备侧的电子设备包括：处理电路，被配置为：对用于执行空域波束预测的第一人工智能模型和用于执行时域波束预测的第二人工智能模型进行配对；以及在配对成功的情况下，在第一人工智能模型和第二人工智能模型之间复用波束测量结果。技术研发人员：白英双,孙晨受保护的技术使用者：索尼集团公司技术研发日：技术公布日：2024/10/17