感知无线通信中的自适应感测和传感器重新配置的制作方法

本公开总体上涉及通信系统，并且更具体地涉及用于动态波束干扰管理的自适应机器学习(ml)和基于传感器的推断提取。引言无线通信系统被广泛部署以提供各种电信服务，诸如电话、视频、数据、消息接发和广播。典型的无线通信系统可采用能够通过共享可用系统资源来支持与多个用户通信的多址技术。此类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)系统和时分同步码分多址(td-scdma)系统。已经在各种电信标准中采用了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、甚至全球层面上进行通信。一个示例电信标准是5g新无线电(nr)。5g nr是第三代合作伙伴计划(3gpp)颁布的持续移动宽带演进的一部分，以满足与(例如，物联网(iot)中的)时延、可靠性、安全性、可扩展性和其他要求相关联的新要求。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的某些方面可基于4g长期演进(lte)标准。需要进一步改进5gnr技术。此外，这些改进也可适用于其他多址技术和采用这些技术的电信标准。

背景技术：

技术实现思路

1、本发明由权利要求书限定。未落入权利要求的范围内的实施方案和方面仅仅是用于解释本发明的示例。

2、下文呈现了一个或多个方面的简化概述，以便提供对这些方面的基本理解。该概述不是对所有预期方面的广泛概述，并且既不旨在标识所有方面的关键或重要元素，也不旨在描述任何或所有方面的范围。其唯一目的是以简化形式呈现一个或多个方面的一些概念，作为稍后呈现的更详细的描述的前序。

3、在本公开的一个方面中，提供了用于无线通信的方法、计算机可读介质和装置。该装置可以是用户装备(ue)。该装置包括处理器；存储器，该存储器与该处理器耦合；以及指令，这些指令存储在存储器中并且能够在由处理器执行时操作以使装置：基于装置的状态来接收指示装置从装置的当前基于ml的特征数据提取模型切换到多个基于ml的特征数据提取模型中的一个基于ml的特征数据提取模型的消息，该多个基于ml的特征数据提取模型各自提供用于预测装置与网络实体之间的波束阻挡的基于ml的特征数据；至少部分地基于该消息来确定从该当前基于ml的特征数据提取模型切换到该基于ml的特征数据提取模型中的所述一者；以及响应于切换而基于这些基于ml的特征数据提取模型中的一个基于ml的特征数据提取模型来发送用于预测波束阻挡的基于ml的特征数据。

4、在本公开的一个方面中，提供了一种装置。该装置可以是用户装备(ue)。该ue可包括用于基于装置的状态来接收指示装置从装置的当前基于机器学习(ml)的特征数据提取模型切换到多个基于ml的特征数据提取模型中的一个基于ml的特征数据提取模型的消息的构件，该多个基于ml的特征数据提取模型各自提供用于预测装置与网络实体之间的波束阻挡的基于ml的特征数据；用于至少部分地基于消息来确定从当前基于ml的特征数据提取模型切换到基于ml的特征数据提取模型中的一个基于ml的特征数据提取模型的构件；以及用于响应于切换而基于这些基于ml的特征数据提取模型中的一个基于ml的特征数据提取模型来发送用于预测波束阻挡的基于ml的特征数据的构件。

5、在本公开的一个方面中，提供了用于无线通信的方法、计算机可读介质和装置。该装置可以是网络节点。该网络节点包括处理器；存储器，该存储器与该处理器耦合；以及指令，这些指令存储在存储器中并且能够在由处理器执行时操作以使网络节点：基于ue的第一基于ml的特征数据提取模型从ue接收第一基于ml的特征数据；基于该ue的状态来发送指示该ue从该ue的该第一基于ml的特征数据提取模型切换到第二基于ml的特征数据提取模型的消息；基于该ue的该第二基于ml的特征数据提取模型从该ue接收第二基于ml的特征数据；以及响应于第二基于ml的特征数据而确定波束阻挡预测。

6、在本公开的一个方面中，提供了一种装置。该装置可以是网络节点。该网络节点包括用于基于ue的第一基于ml的特征数据提取模型从ue接收第一基于ml的特征数据的构件；用于基于ue的状态来发送指示ue从ue的第一基于ml的特征数据提取模型切换到第二基于ml的特征数据提取模型的消息的构件；用于基于ue的第二基于ml的特征数据提取模型从ue接收第二基于ml的特征数据的构件；以及用于响应于第二基于ml的特征数据而确定波束阻挡预测的构件。

7、为了实现前述和相关的目的，一个或多个方面包括以下全面描述的并在权利要求书中特别指出的特征。以下描述和附图详细地阐述了一个或多个方面的一些例示性特征。然而，这些特征仅指示可以通过其采用各个方面的原理的各种方式中的一些方式，并且本说明书旨在包括所有此类方面及其等同方案。

技术特征：

1.一种装置，所述装置包括：

2.根据权利要求1所述的装置，其中所述多个基于ml的特征数据提取模型包括不同的计算速度和不同的检测精度。

3.根据权利要求1所述的装置，其中所述消息指示用于波束管理的多个ml模型中的至少一个ml模型的性能。

4.根据权利要求1所述的装置，其中所述消息还包括所述装置发送用于波束管理的不同的ml模型的不同的基于ml的特征数据的指令。

5.根据权利要求1所述的装置，其中所述装置的所述状态包括以下中的至少一者：

6.根据权利要求1所述的装置，其中所述指令在由所述处理器执行时进一步使所述装置：

7.根据权利要求1所述的装置，其中所述指令在由所述处理器执行时进一步使所述装置：

8.根据权利要求7所述的装置，其中所述确定切换到所述基于ml的特征数据提取模型中的所述一个基于ml的特征数据提取模型基于所述基于ml的特征数据提取模型中的所述一个基于ml的特征数据提取模型导出所述置信度水平的能力。

9.根据权利要求1所述的装置，其中所述消息还包括所述装置重新配置所述装置的传感器的指令，并且所述基于ml的特征数据进一步基于所述传感器。

10.根据权利要求9所述的装置，其中所述消息是响应于满足的传感器重新配置的标准而接收的。

11.根据权利要求9所述的装置，其中所述指令在由所述处理器执行时进一步使所述装置：

12.一种在用户装备(ue)处进行无线通信的方法，所述方法包括：

13.根据权利要求12所述的方法，其中所述多个基于ml的特征数据提取模型包括不同的计算速度和不同的检测精度。

14.根据权利要求12所述的方法，其中所述消息指示用于波束管理的多个ml模型中的至少一个ml模型的性能。

15.根据权利要求12所述的方法，其中所述消息还包括所述ue发送用于波束管理的不同的ml模型的不同的基于ml的特征数据的指令。

16.根据权利要求12所述的方法，其中所述ue的所述状态包括以下中的至少一者：

17.根据权利要求12所述的方法，所述方法还包括：

18.根据权利要求12所述的方法，所述方法还包括：

19.根据权利要求18所述的方法，其中所述确定切换到所述基于ml的特征数据提取模型中的所述一个基于ml的特征数据提取模型基于所述基于ml的特征数据提取模型中的所述一个基于ml的特征数据提取模型导出所述置信度水平的能力。

20.根据权利要求12所述的方法，其中所述消息还包括所述ue重新配置所述ue的传感器的指令，并且所述基于ml的特征数据进一步基于所述传感器。

21.根据权利要求20所述的方法，其中所述消息是响应于满足的传感器重新配置的标准而接收的。

22.根据权利要求20所述的方法，所述方法还包括：

23.一种网络节点，所述网络节点包括：

24.根据权利要求23所述的网络节点，其中所述第一基于ml的特征数据提取模型和所述第二基于ml的特征数据提取模型包括不同的计算速度和不同的检测精度。

25.根据权利要求23所述的网络节点，其中所述网络节点还包括用于波束管理的多个ml模型，并且所述消息基于用于波束管理的所述ml模型中的至少一个ml模型的性能。

26.根据权利要求23所述的网络节点，其中所述消息还包括所述ue发送用于所述网络节点的波束管理的不同的ml模型的不同的基于ml的特征数据的指令。

27.一种在网络节点处进行无线通信的方法，所述方法包括：

28.根据权利要求27所述的方法，其中所述第一基于ml的特征数据提取模型和所述第二基于ml的特征数据提取模型包括不同的计算速度和不同的检测精度。

29.根据权利要求27所述的方法，其中所述网络节点还包括用于波束管理的多个ml模型，并且所述消息基于用于波束管理的所述ml模型中的至少一个ml模型的性能。

30.根据权利要求29所述的方法，其中所述消息还包括所述ue发送用于所述网络节点的波束管理的不同的ml模型的不同的基于ml的特征数据的指令。

技术总结提供了允许UE在特征数据提取模型之间切换以便提供动态、潜在LOS障碍物的自适应特征数据以用于提高网络节点处的波束阻挡预测性能(或其他功能)的方面。首先，该网络节点基于UE的第一数据提取模型从该UE接收第一特征数据。该网络节点基于该UE的状态来发送指示该UE从该UE的该第一数据提取模型切换到第二数据提取模型的消息。响应于该消息，该UE确定从该第一数据提取模型切换到该第二数据提取模型，并且基于该第二数据提取模型向该网络节点发送第二特征数据。然后，该网络节点可以响应于该第二特征数据而确定波束阻挡预测。技术研发人员：H·凯撒瓦雷迪珈里,K·C·关,李青,K·古拉蒂,厉隽怿,H·程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：2024/11/18