[go: up one dir, main page]

CN119404538A - 用于通信的方法、设备和介质 - Google Patents

用于通信的方法、设备和介质 Download PDF

Info

Publication number
CN119404538A
CN119404538A CN202280097285.8A CN202280097285A CN119404538A CN 119404538 A CN119404538 A CN 119404538A CN 202280097285 A CN202280097285 A CN 202280097285A CN 119404538 A CN119404538 A CN 119404538A
Authority
CN
China
Prior art keywords
beam report
report
reference signals
terminal device
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280097285.8A
Other languages
English (en)
Inventor
王刚
管鹏
高毓恺
陈伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of CN119404538A publication Critical patent/CN119404538A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/063—Parameters other than those covered in groups H04B7/0623 - H04B7/0634, e.g. channel matrix rank or transmit mode selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
    • H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0014—Three-dimensional division
    • H04L5/0023—Time-frequency-space
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开的示例实施例涉及基于人工智能预测的波束报告。在示例方法中，终端设备处的通信方法包括：从网络设备接收针对第一波束报告的配置；使用人工智能(AI)模型生成第一波束报告，而不对与第一波束报告相关联的第一组参考信号执行波束测量；以及向网络设备发送第一波束报告。如此，可以减少波束报告的负荷，从而节省上行链路资源。

Description

用于通信的方法、设备和介质
技术领域
本公开的示例实施例一般涉及通信领域，尤其涉及用于通信的终端设备、网络设备、方法、装置和计算机可读存储介质。
背景技术
在无线接入网中，网络设备可以产生去往终端设备的一组波束。终端设备可向网络设备发送波束报告，以指示性能优于其他波束的波束或波束子集。但在生成波束报告时，终端需要测量来自网络设备的参考信号(Reference Signal，RS)，并需要向网络设备报告参考信号质量信息。这在报告中需要更多的负荷，从而需要更多的上行链路资源。从网络设备发送参考信号也需要更多的下行链路资源。
发明内容
总体而言，本公开的示例实施例提供了用于基于人工智能预测的波束报告解决方案。
在第一方面，提供了一种终端设备处的通信方法。该方法包括：从网络设备接收第一波束报告的配置；使用人工智能(Artificial Intelligence，AI)模型生成第一波束报告，不对与第一波束报告相关联的第一组参考信号执行波束测量；以及向网络设备发送第一波束报告。
在第二方面，提供了一种网络设备处的通信方法。该方法包括：向终端设备发送第一波束报告的配置；以及从终端设备接收网络设备的第一波束报告，第一波束报告使用人工智能(AI)模型生成，不对与第一波束报告相关联的第一组参考信号执行波束测量。
在第三方面，存在一种终端设备。该终端设备包括：处理器；以及存储计算机程序代码的存储器；该存储器和计算机程序代码被配置为与处理器一起使终端设备执行第一方面的方法。
在第四方面，存在一种网络设备。该网络设备包括：处理器；以及存储计算机程序代码的存储器；该存储器和计算机程序代码被配置为与处理器一起使该网络设备执行第二方面的方法。
在第五方面，提供了一种计算机可读介质，其上存储有指令，当指令被装置的处理器执行时，使装置执行第一和第二方面的方法。
应当理解的是，概述部分并不旨在标识本公开的实施例的关键或基本特征，也不旨在用来限制本公开的范围。通过下面的描述，本公开的其他特征将变得容易理解。
附图说明
现在将参照附图对一些示例实施例进行描述，其中：
图1A说明可实现本公开的一些示例实施例的网络环境的例子；
图1B说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图2说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图3说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图4说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图5说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图6说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图7说明根据本公开的一些示例实施例，基于人工智能预测的波束报告的流程的例子；
图8说明根据本公开的一些示例实施例，在终端设备处实现的方法的例子；
图9说明根据本公开的一些示例实施例，在网络设备处实现的方法的例子；
图10说明适用于实现本公开的实施例的设备的简化框图。
在整个附图中，相同或相似的参考数字代表相同或相似的元素。
具体实施方式
现在将参考一些示例实施例来描述本公开的原理。应当理解的是，描述这些实施例仅仅是为了说明和帮助本领域技术人员理解和实现本公开，而不暗示对本公开范围的任何限制。本文描述的公开内容可以以除下文所述方式外的各种方式实现。
在以下描述和权利要求中，除非另有定义，否则本文使用的所有技术和科学术语与本公开所属技术领域的普通技术人员通常理解的含义相同。
本公开中提到的“一个实施例”、“实施例”、“示例实施例”等指示所描述的实施例可能包括特定的特征、结构或特性，但并非每个实施例都必须包括特定的特征、结构或特性。此外，这些短语并不一定是指同一个实施例。此外，当结合实施例描述特定的特征、结构或特性时，无论是否被明确描述，所主张的在本领域技术人员的知识范围内影响结合其他实施例的这种特征、结构或特性。
应当理解的是，尽管本文可能使用术语“第一”和“第二”等来描述各种元素，但这些元素不应受到这些术语的限制。这些术语只是用来区分一个元素和另一个元素。例如，第一元素可以被称为第二元素，同样，第二元素可以被称为第一元素，而不会脱离示例实施例的范围。如本文使用的，术语“和/或”包括一个或多个所列术语的任何和所有组合。
本文所使用的术语仅用于描述特定实施例的目的，而不旨在限制示例实施例。如本文使用的，单数形式“一个”、“一”和“该”旨在也包括复数形式，除非上下文另有明确说明。应进一步理解的是，在本文中使用时，术语“包括”、“构成”、“具有”、“拥有”、“包含”和/或“含有”是指存在所述特征、元素和/或组件等，但不排除存在或增加一个或多个其他特征、元素、组件和/或其组合。
如本申请中使用的，术语“电路”可指下列一个或多个或全部：(a)仅硬件电路实现(例如仅在模拟和/或数字电路中实现)和(b)硬件电路和软件的组合，例如(如适用)：
(i)模拟和/或数字硬件电路与软件/固件的组合，以及
(ii)硬件处理器与软件(包括数字信号处理器)、软件和存储器的任何部分，这些部分共同作用，使诸如移动电话或服务器的装置执行各种功能，和(c)硬件电路和/或处理器，例如微处理器或微处理器的一部分，其需要软件(例如固件)来运行，但在不需要软件运行时，软件可以不存在。
电路的这一定义适用于本申请中这一术语的所有用法，包括在任何权利要求中的用法。再举例来说，在本申请中使用的术语电路还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或它们)附带的软件和/或固件的实现。例如，如果适用于特定的权利要求元素，术语电路还涵盖移动设备的基带集成电路或处理器集成电路，或服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。
如本文使用的，术语“通信网络”是指遵循任何合适通信标准的网络，例如长期演进(Long Term Evolution，LTE)、先进的LTE(LTE-Advanced，LTE-A)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、高速分组接入(High-Speed PacketAccess，HSPA)、窄带物联网(Narrow Band Internet of Things，NB-IoT)等。此外，终端设备与通信网络中的网络设备之间的通信可根据任何合适的一代通信协议执行，包括但不限于第四代(the Fourth Generation，4G)、4.5G、第五代(the Fifth Generation 5G)通信协议和/或目前已知或未来开发的任何其他协议。本公开的实施例可应用于各种通信系统。鉴于通信中的快速发展，当然也会有未来类型的通信技术和系统可与本公开内容结合使用。不应认为本公开的范围仅限于上述系统。
如本文使用的，术语“网络设备”是指通信网络中的节点，终端设备经由该节点接入网络并从中接收服务。网络设备可指基站(Base Station，BS)或接入点(Access Point，AP)，例如节点B(NodeB或NB)、演进NodeB(eNodeB或eNB)、NR NB(也称为gNB)、远程无线单元(Remote Radio Unit，RRU)、无线头(Radio Head，RH)、远程无线头(Remote Radio Head，RRH)、中继器、集成和接入回程(Integrated and Access Backhaul，IAB)节点、诸如毫微微、微微的低功率节点、非地面网络(Non-Terrestrial Network，NTN)或非地面网络设备，例如卫星网络设备、低地球轨道(Low Earth Orbit，LEO)卫星和地球同步轨道(Geosynchronous Earth Orbit，GEO)卫星、飞机网络设备等，取决于应用的术语和技术。
术语“终端设备”是指能够进行无线通信的任何终端设备。作为示例而非限制，终端设备也可称为通信设备、用户设备(User Equipment，UE)、用户站(Subscriber Station，SS)、便携式用户站、移动站(Mobile Station，MS)或接入终端(Access Terminal，AT)。终端设备可包括但不限于移动电话、蜂窝电话、智能电话、IP语音电话(Voice over IP，VoIP)、无线本地环路电话、平板电脑、可穿戴终端设备、个人数字助理(Personal DigitalAssistant，PDA)、便携式电脑、台式电脑、图像捕捉终端设备(例如数码相机)、游戏终端设备、音乐存储和播放设备、车载无线终端设备、无线端点、移动站、嵌入了笔记本电脑的设备(Laptop-Embedded Equipment，LEE)、安装了笔记本电脑的设备(Laptop-MountedEquipment，LME)、USB加密狗、智能设备、无线客户驻地设备(Customer-PremisesEquipment，CPE)、物联网(Internet of Things，IoT)设备、手表或其他可穿戴设备、头戴式显示器(Head-Mounted Display，HMD)、车辆、无人机、医疗设备及应用(例如远程手术)、工业设备及应用(例如在工业和/或自动化加工链环境中操作的机器人和/或其他无线设备)、消费电子设备、在商业和/或工业无线网络上操作的设备等。在以下描述中，术语“终端设备”、“通信设备”、“终端”可以互换使用。
在无线接入网中，网络设备可产生去往终端设备的一组波束。终端设备可向网络设备发送波束报告，以指示性能优于其他波束的波束或波束子集。但在生成波束报告时，终端需要测量来自网络设备的参考信号，并需要向网络设备报告参考信号质量信息、以及参考信号的指示。这在报告中需要更多的负荷，从而需要更多的上行链路资源。从网络设备发送参考信号也需要更多的下行链路资源。
本公开的示例实施例提供了一种机制来解决上述讨论的问题。发明人发现，如果终端设备在使用终端设备的位置信息时，不测量参考信号而生成波束报告，并且波束报告可以只包含利用人工智能(AI)预测生成的参考信号的指示，而没有参考信号质量信息。如此，可以减少波束报告的负荷，从而节省上行链路资源。波束报告可在模型推理中产生。相应地，网络设备可以不始终发送参考信号，从而节省了下行链路资源。在模型监测中，可以测量参考信号以及AI预测，以确定AI模型是否可用。AI模型是否可用的指示可以在波束报告中被携带。下面将参考附图详细描述本公开的原理和一些示例实施例。
图1A说明在其中可实现本公开的一些示例实施例的网络环境的例子。在本公开的示例实施例的描述中，网络环境100也可称为通信系统100(例如，通信网络的一部分)。仅出于说明目的，将在相互通信的一个或多个网络设备以及终端设备的上下文中描述示例实施例的各个方面。然而，应当理解的是，本文的描述可能适用于使用其它术语引用的其它类型的装置或其它类似装置。
通信系统100包括网络设备101和终端设备102。根据本公开的示例实施例，网络设备101可以产生一组波束，例如106、107、108、109、110和111。本领域技术人员可以理解，潜在波束的数量可能与图1中的波束数量不同，例如8、16、或32等。与每个波束相关联，存在参考信号。参考信号可以是信道状态信息-参考信号(Channel State Information-Reference Signal，CSI-RS)。替代地或另外地，参考信号可以是同步信号(Synchronization Signal，SS)/物理广播信道(Physical Broadcast Channel，PBCH)。与该组波束相关联的CRI-RS和SS/PBCH可以被包含在一组参考信号中。针对每个CSI-RS，存在信道状态信息(Channel State Information，CSI)-参考信号(Reference Signal，RS)资源指示符(CSI-RS Resource Indicator，CRI)，以及针对每个SS/PBCH，存在同步信号(Synchronization Signal，SS)/物理广播信道(Physical Broadcast Channel，PBCH)块资源指示符(SSB Resource Indicator，SSBRI)。因此，CRI、SSBRI可以指示与之相关联的波束。
在本公开的示例实施例中，终端设备102以方向或轨迹103从位置104移动到位置105。使用AI或机器学习(ML)模型预测，在不测量来自网络设备101的参考信号集的情况下，仅通过终端设备102的位置信息，终端设备102可以确定第一组波束，其参考信号质量优于该组波束中的其他波束。第一组波束可以是一个波束，例如107，或可以是波束子集，例如107、108、109和110。因此，在第一波束报告中，终端可以只报告波束107的CRI或SSBRI，或波束子集107、108、109和110的CRI或SSBRI，而不对与第一组波束相关联的第一组参考信号执行波束测量。第一波束报告的位宽可以由要报告的CRI或SSBRI的数量确定。第一波束报告还可以利用终端设备102的方向或轨迹来生成。
图1B说明根据本公开的一些示例实施例的基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，网络设备101向终端设备102发送(111)针对第一波束报告的配置。在接收(111)配置后，终端设备102使用人工智能(AI)模型生成(112)第一波束报告，而不对与第一波束报告相关联的第一组参考信号执行波束测量。然后，终端设备102向网络设备101发送(113)第一波束报告。相应地，网络设备101从终端设备102接收(113)第一波束报告113。如此，可以减少波束报告的资源，从而减少上行链路资源。
在本公开的示例实施例中，尽管在利用AI模型生成的第一波束报告113中配置了RS，但如果网络设备发送RS，则终端设备102可以忽略或省略RS。换句话说，终端设备102不接收RS，或不执行波束测量(即计算与接收到的RS相对应的波束的L1-RSRP，并基于计算出的L1-RSRP找出前N个波束)。终端设备102不预期接收与AI波束报告相关联的RS。
在本公开的示例实施例中，由于对于终端设备102不需要接收RS，因此可以认为虽然RS在AI波束报告中被配置，但是网络设备101并没有发送RS。终端设备102不预期接收与AI波束报告相关联的RS。
在本公开的示例实施例中，对于基于AI的、被触发的第一波束报告，即使AI波束报告的报告数量被配置为“cri-RSRP”或“ssb-Index-RSRP”，终端设备102仅向gNB报告CRI/SSBRI(例如，与预测的前N个波束相对应的CIR/SSBRI)。N是指大于或等于1的正整数。N值可由gNB配置或指示，并且可能取决于由UE报告的能力。该能力是指AI模型可预测的最大波束数量。
如此，终端设备102不需要发送带有参考信号质量信息的波束报告，以减少上行链路资源。在本公开的示例实施例中，为了确定该组波束中的前N个(N>＝1)波束，终端设备102计算与波束报告相关联的一组RS(即与该组波束对应的)对应的层1参考信号接收功率(Layer 1Reference Signal Received Power，L1-RSRP)和层1信号与干扰加噪声比(Layer1Signal to Interference plus Noise Ratio，L1-SINR)。
在本公开的示例实施例中，对于利用AI的第一波束报告，根据要报告的N个CRI/SSBRI确定相应的位宽。终端设备102可以根据应用于仅报告CRI/SSBRI的映射顺序，在上行链路控制信息(Uplink Control Information，UCI)或物理上行链路控制信道(PhysicalUplink Control Channel，PUCCH)中报告与预测的前N个波束相对应的CRI/SSBRI。CRI/SSBRI的映射顺序如下所示。
下表可被实现为波束报告，具有CRI或SSBRI。本领域技术人员可以理解，波束报告可以采用其他格式，例如具有不同的字段名称等。如此，波束报告的位宽可以减少，从而减少上行链路资源。
第一波束报告还可以携带具有预测的参考信号质量信息，例如L1-RSRP和L1-SINR。第一波束报告的位宽也可由L1-RSRP和L1-SINR确定。
在本公开的示例实施例中，终端设备102也可以通过测量来自网络设备101的参考信号来生成和发送波束报告，而不进行AI/ML模型预测。当基于AI的第一波束报告与另一个波束报告在时域上发生冲突时，需要根据以下项来确定优先级：两个波束报告是否只携带CRI或SSBRI，两个波束报告是否被配置作为AI波束报告。
终端设备102可被配置为周期性、或半持续地发送利用AI模型生成的多个波束报告。第一波束报告可以是多个波束报告之一。终端设备102也可以由网络设备101触发，以随时发送波束报告。第一波束报告可能与第二波束报告冲突。终端设备102可以确定第一波束报告的第一优先级、以及第二波束报告的第二优先级。第一优先级可以通过第一波束报告是否仅包括CRI或SSBRI来确定。第二优先级可以通过第二波束报告是否仅包括CRI或SSBRI来确定。
在本公开的示例实施例中，仅携带CRI/SSBRI的波束报告的优先级可低于携带L1-RSRP/L1-SINR的波束报告的优先级。在本公开的示例实施例中，波束报告的优先级值k可按以下方式确定：对于携带L1-RSRP、L1-SINR和CRI或SSBRI的波束报告，k＝0，以及对于仅携带CRI或SSBRI而没有L1-RSRP或L1-SINR的波束报告，k＝1。具有值k＝0的优先级高于具有值k＝1的优先级。
在本公开的示例实施例中，仅携带CRI/SSBRI的波束报告的优先级可低于携带L1-RSRP/L1-SINR的波束报告的优先级。在本公开的示例实施例中，基于AI的第一波束报告与携带CRI/SSBRI+L1-RSRP/L1-SINR的另一个波束报告冲突(即携带基于AI的第一波束报告的PUCCH/物理上行链路共享信道(Physical Uplink Share Channel，PUSCH)资源与携带另一个波束报告的PUCCH/PUSCH资源交叠)时，终端设备可以优先进行另一个波束报告的传输。
在本公开的示例实施例中，对于仅携带L1-RSRP、L1-SINR，k＝0，对于携带L1-RSRP、L1-SINR和CRI或SSBIR，k＝1，对于仅携带CRI或SSBIR，k＝2。k＝0的优先级值高于k＝1的优先级值，以及k＝1的优先级值高于k＝2的优先级值。
在本公开的示例实施例中，被配置作为AI波束报告的、AI波束报告的优先级可以低于未被配置有AI波束报告的、波束端口的优先级。例如，还携带CRI+L1-RSRP的AI波束报告与携带CRI+L1-RSRP的另一个波束报告冲突，终端设备可以优先进行另一个波束报告的传输。如此，具有更多信息的RS测量的波束报告能以更高的优先级被发送。
替代地或另外地，可以通过第一波束报告是否使用AI模型生成来确定第一优先级。也可以通过第二波束报告是否也使用AI模型生成来确定第二优先级。没有AI模型的优先级高于具有AI模型的优先级。
在本公开的示例实施例中，如果终端设备102在AI波束报告和最新AI波束报告之间接收到与AI波束报告相关联的RS，则终端设备102报告CRI/SSBRI+L1-RSRP/L1-SINR。相应的位宽基于要报告的K个CRI/SSBRI+L1-RSRP/L1-SINR来确定。
在本公开的示例实施例中，如果终端设备102在AI波束报告和最新AI波束报告之间没有接收到与AI波束报告相关联的RS，则终端设备102仅报告CRI/SSBRI。相应的位宽基于要报告的N个CRI/SSBRI来确定。
图2说明根据本公开的一些示例实施例，基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，在201，网络设备101发送第一波束报告的配置，或触发第一波束报告。在202，网络设备101向终端设备102发送参考信号，例如CRI-RS或SSB。在203，终端设备102利用接收参考信号实现波束测量。在204，终端设备102发送非基于AI的波束报告，具有CRI/SSBRI和L1-RSRP/L1-SINR。在205，不使用参考信号测量，终端设备102实现模型推理。在206，终端设备发送第一波束报告，其仅具有CRI/SSBRI。
在接下来的块205、207和209中，终端设备102在没有参考信号的情况下实现模型推理，然后在206、208和210处发送第一波束报告。在211，网络设备101向终端设备102发送诸如CRI-RS或SSB的参考信号。在212，终端设备102实现波束测量，以及接收参考信号。在213，终端设备102发送非基于AI的、具有CRI/SSBRI和L1-RSRP/L1-SINR的波束报告。参考信号214的周期与波束报告215的周期不同。在本公开的示例实施例中，参考信号214的周期可以是40个时隙，而波束报告215的周期可以是10个时隙。
在本公开的示例实施例中，终端设备102可以周期性或半持续地(Periodically/Semi-Persistently，P/SP)发送多个波束报告。第一波束报告可以是多个波束报告之一。在本公开的示例实施例中，P/SP AI波束报告的周期被配置为10个时隙，而RS的周期被配置为40个时隙。在第一波束报告和第五波束报告之前，终端设备102将接收RSs(或被配置或被提供RS)，在这种情况下，终端设备102基于接收的RS执行波束测量，并报告与前K个(例如K＝1/2/3/4)波束对应的CRI+L1-RSRP。但对于第二、第三、第四、第六波束报告，终端设备102将不接收RS(或不被配置或不被提供RS)，在这种情况下，终端设备102不执行波束测量，仅报告与基于AI模型预测的前N个波束对应的CRI。
在本公开的示例实施例中，更严格地，终端设备102需要确定在AI波束报告(即当前波束报告、或要被报告或要被发送的波束报告)、以及最新AI波束报告之间是否接收到RS。具体地，在携带AI波束报告的PUCCH/PUSCH资源的第一符号或时隙或与AI波束报告相对应的CSI参考资源、以及携带最新AI波束报告的PUCCH/PUSCH资源的最后一个符号或时隙之间。如此，终端设备可以利用RS测量来生成更准确的波束报告。
在本公开的示例实施例中，使用AI模型的第一波束报告可以不被配置RS。虽然接收RS对于终端设备不是必须的，但终端设备102可以知道RS的配置信息，例如CSI-RS/SSB资源集或CSI-RS/SSB资源的数量或标识。与第一波束报告相关联的第一组参考信号可以基于第二波束报告中配置的第二组参考信号而被确定。第二波束报告可以在时域上最接近第一波束报告。替代地或另外地，第二波束报告可以使用AI模型生成，或可以不使用AI模型生成。替代地或另外地，在第二波束报告中配置的第二组RS的数量小于或等于预定义阈值。预定义阈值被用于指示AI模型可支持的最大波束数量。替代地或另外地，第二波束报告由第一波束报告中配置的CSI报告的索引指示。或者，可以基于指示的第二波束报告中配置的RS来确定第一RS。
在本公开的示例实施例中，与AI波束报告(“第一波束报告”)相关联的RS(称为“第一RS”)可以基于在另一个波束报告(“第二波束报告”)中配置的RS(“第二RS”)来确定。第二波束报告需要满足以下标准中的至少一个：第二波束报告是时域上与第一波束报告最近的波束报告，第二波束报告不是AI波束报告，即非AI波束报告，第二波束报告中配置的RS数量小于或等于预定义阈值，该阈值用于指示AI模型可支持的最大波束数量。
在本公开的示例实施例中，第二波束报告由指示第二波束报告的CSI报告的ID或索引指示，且CSI报告的ID或索引被配置在第一波束报告中。换句话说，可以基于在指示的第二波束报告中配置的RS来确定第一RS。
在本公开的示例实施例中，与AI波束报告相关联的RS可以基于满足以下标准中的至少一个的RS(称为“第三RS”)来确定：与第三RS对应的RS资源集与重复相关联、或被配置有重复(例如，重复关闭或打开)，与第三RS对应的RS资源集是时域中与第一波束报告最近的RS资源集，第三RS的数量小于或等于预定义阈值。如此，终端设备可在不配置的情况下获得RS配置。
在本公开的示例实施例中，对于AI波束报告，可以根据与波束报告相关联的RS确定报告量(例如CRI/SSBRI)的位宽。例如，用于报告CRI/SSBRI的位宽的确定取决于在波束报告中配置的RS的数量。当终端设备102没有被配置有在AI波束报告中配置的RS时，终端设备102可以首先基于之前的第二波束报告来确定与AI波束报告相关联的RS，然后基于确定的RS数量来确定用于报告CRI/SSBRI的位宽。
CRI、SSBRI、RSRP和不同RSRP的位宽可按下表确定。
其中，是相应资源集中或相关联资源集中CSI-RS资源的数量，是用于报告“ssb-Index-RSRP”的、相应资源集中或相关联资源集中配置的SS/PBCH块的数量。如此，可以确定CRI、SSBRI、RSRP和差分RSRP的位宽，从而减少上行链路资源。
在本公开的示例实施例中，如果满足以下条件中的至少一个，则终端设备102可以确定波束报告是AI波束报告：终端设备102报告AI相关能力，例如，指示终端设备支持基于位置信息的AI/ML、模型推理、波束预测的能力。网络设备为终端设备102配置了AI相关配置，例如，启用指示基于位置信息的、AI/ML/模型推理/波束预测的参数。终端设备102不被配置与波束报告相关联的RS，波束报告中配置的RS的周期与波束报告的周期不同。波束报告中配置的RS的周期与波束报告的周期不同。
如此，波束报告的资源可以减少，并且上行链路的资源可以减少。
在本公开的示例实施例中，对于第一波束报告，可以使用模型推理以利用AI模型来预测CRI、SSBRI、RSRP，以及使用模型监测来监测AI模型是否可用。对于基于监测的报告，终端设备102至少向网络设备报告CRI和第一信息，其中第一信息被用于指示AI模型是否可用。具体地，终端设备102可以报告：K/N个CRI、K/N个L1-RSRP、以及第一信息，即与前K/N个波束和第一信息相对应的CRI和L1-RSRP。终端设备102可以报告K/N个CRI和第一信息。第一信息在UCI中占据1位。“1”表示AI模型可用。“0”表示AI模型不可用。具有第一信息的波束报告可以如下表所示。
在本公开的示例实施例中，对于基于推理的报告，终端设备102至少向网络设备报告CRI。具体地，终端设备可以报告N个CRI。终端设备还可以报告N个CRI和N个L1-RSRP。
对于基于监测的报告，终端设备102预期接收与联合模型推理和模型监测(JointModel Inference and Model Monitoring，JIM)波束报告相关联的RS。对于基于推理的报告，终端设备不预期接收与JIM波束报告相关联的RS。如此，基于监测的报告可以利用仅一个比特来携带AI模型的可用性，从而减少上行链路资源。
图3说明根据本公开的一些示例实施例的基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，终端设备102发送的第一波束报告是用于模型推理的第一报告类型，而没有RS的测量。第三波束报告可以是用于模型监测的第二报告类型。
在模型监测中，终端设备102测量来自网络设备101的RS，并计算L1-RSRP或L1-SINR、以及CRI/SSBRI。在模型监测中，终端设备102还可以利用AI模型生成CRI/SSBRI，以及利用终端设备102的位置信息生成L1-RSRP或L1-SINR。通过比较从RS测得的CRI、SSBRI、L1-RSRP和L1-SINR，以及由AI模型生成的CRI、SSBRI、L1-RSRP和L1-SINR，可以确定AI模型是否可用。终端设备102可以在第三波束报告中发送AI模型是否可用的指示。携带AI模型是否可用的指示的波束报告可以是用于模型监测的第二报告类型。
在本公开的示例实施例中，在301，网络设备101使用AI模型向终端设备102发送针对第一波束报告的配置，而不对与第一波束报告相关联的一组RS执行波束测量。在302，网络设备101向终端设备102发送RS。在303，终端设备实现模型监测，然后在304向网络设备101发送针对模型监测的第三波束报告。在305，在不接收和测量RS的情况下，终端设备102实现模型推理，并在306向网络设备101发送针对模型推理的第一波束报告。在随后的块307和309中，终端设备102实现模型推理，然后在308和310向网络设备101发送用针对模型推理的第一波束报告。在311接收RS后，终端设备102在312实现波束监测，然后发送针对模型监测的第三波束报告。
在本公开的示例实施例中，终端设备102可以通过用于模型监测的偏移和用于模型监测的周期来确定报告类型为模型监测。在图3中，用于模型监测的偏移可以是0，以及用于模型监测的周期可以是40个时隙。用于模型推理的偏移可以是0，以及用于模型推理的周期可以是10个时隙。基于该配置信息，终端设备可以确定JIM波束报告是基于监测的报告还是基于推理的波束报告。此外，可以在JIM波束报告中配置监测特定偏移和周期。可选地，还可以考虑配置推理特定偏移和周期。如此，可以灵活地控制模型推理和模型监测的波束报告的定时。
图4说明根据本公开的一些示例实施例的基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，图4中的操作301、302、......、以及313与图3中的那些操作相同。终端设备102可通过循环持续时间确定报告类型为模型监测。JIM波束报告的偏移和周期为0和10个时隙。此外，终端设备被配置有循环持续时间。假设循环持续时间的起始偏移和周期被配置为0和40个时隙。
而循环持续时间进一步包括推理持续时间(例如30个时隙)和监测持续时间(例如10个时隙)，其中推理持续时间可以在监测持续时间之前，或可以在监测持续时间之后。如图4所示，终端设备首先进入推理持续时间。在推理持续时间期间，JIM波束报告是基于推理的报告。这意味着终端设备不接收RS，并且至少报告CRI。然后，终端设备进入监测持续时间。在监测持续时间期间，JIM波束报告是基于监测的报告。这意味着终端设备接收RS，并且至少报告CRI和第一信息。如此，可以灵活控制模型推理和模型监测的波束报告定时。
图5说明根据本公开的一些示例实施例的，基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，图5中的操作301、302、......、以及313与图3中的那些操作相同。终端设备102可通过来自网络设备101的动态指示确定报告类型为模型监测。在图5中，动态指示可以是网络设备101在发送RS之前发送的、针对监测的波束报告的指示501和502。在终端设备接收到该指示后，由指示所指示的下一个JIM波束报告是基于监测的报告。例如，网络设备可以使用下行链路控制信息(Downlink Control Information，DCI)中的“CSI请求”来指示与JIM波束报告相关联的接入点(Access Point，AP)触发状态。DCI利用新的无线网络临时标识(Radio Network Temporary Identity，RNTI)或特定的RNTI被加扰。如此，可以灵活控制模型推理和模型监测的波束报告时间。
图6说明根据本公开的一些示例实施例的基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，图6中的操作301、302、......、以及313与图3中的那些操作相同。终端设备102可以通过来自网络设备101的动态指示确定报告类型为模型监测。在图6中，动态指示可以是针对监测的波束报告的激活和去激活。在601，网络设备101向终端设备102发送针对监测的波束报告的激活，然后在602发送RS。响应于接收到针对监测的波束报告的激活，终端设备102实现模型监测，然后在304发送针对监测的波束报告。终端设备102重复进行模型监测和针对监测的波束报告的发送，直到在602处接收到针对监测的波束报告的去激活。
在本公开的示例实施例中，针对推理和监测的波束报告的定时可以基于两个动态指示进行控制：针对模型监测的激活指示和针对模型监测的去激活指示。可选地，针对模型监测的指示和针对模型推理的指示。
在本公开的示例实施例中，在终端设备102接收到针对模型监测的激活指示后(以及在携带该指示的控制指令生效后)，终端设备102开始执行模型监测，这意味着下一个JIM波束报告是基于监测的报告。在终端设备102接收到针对模型监测的去激活指示后，终端设备102停止执行模型监测，以及下一个JIM波束报告是基于推理的报告。此外，指示可由DCI或媒体接入控制-控制元素(Media Access Control-Control Element，MAC-CE)携带。例如，可以引入新的MAC-CE。新的MAC-CE包括两个指示：用于模型监测的激活和去激活。可以在DCI中引入新的字段(例如1位)。“1”和“0”指的是模型监测的激活和去激活。或者，重用DCI中的“CSI请求”来指示模型监测的激活和去激活是合理的。在“CSI请求”字段中扩展1位。“1”和“0”指的是模型监测的激活和去激活。提交的“CSI请求”中的“111”和“000”指的是针对模型监测的激活和去激活。同时，DCI利用新的RNTI或特定的RNTI而被加扰。如此，可以灵活控制模型推理和模型监测的波束报告的定时。
图7说明根据本公开的一些示例实施例的基于人工智能预测的波束报告流程的例子。在本公开的示例实施例中，图7中的操作301、302、......和313与图3中的那些操作相同。终端设备102可以通过接收来自网络设备的第一组参考信号来确定报告类型为模型监测。响应于接收到RS，终端设备102生成用于监测的第三波束报告。响应于未接收到RS，终端设备102生成用于推理的第一波束报告。
在本公开的示例实施例中，终端设备102可以被配置有其周期不同于波束报告周期的RS。如果终端设备102在JIM波束报告和最新JIM波束报告之间接收到与JIM波束报告相关联的RS，则JIM波束报告是基于监测的报告。如果终端设备102在JIM波束报告和最新JIM波束报告之间没有接收到与JIM波束报告相关联的RS，则JIM波束报告是基于推理的报告。因此，终端设备102可以基于是否接收到与JIM波束报告相关联的RS，确定JIM波束报告是基于监测的波束报告还是基于推理的波束报告。如此，可以灵活控制模型推理和模型监测的波束报告的定时。
在本公开的示例实施例中，动态指示可以由物理下行链路控制信道(PhysicalDownlink Control Channel，PDCCH)中的下行链路控制信息(DCI)指示。动态指示也可以由媒体接入控制-控制元素(MAC-CE)指示。
在本公开的示例实施例中，模型推理所需的CPU数量可以是P，而模型监测所需的CPU数量可以是P+1，其比模型推理多一个，用于RS的测量。“P”指的是大于或等于0的整数。
在本公开的示例实施例中，对于具有以下的波束报告，OCPU＝1，CSI-ReportConfig的较高层参数reportQuantity被设置为“cri-RSRP”、“ssb-lndex-RSRP”、“cri-SINR”、“ssb-lndex-SINR”、或“无”，且CSI-RS-ResourceSet的较高层参数trs-Info未被配置，以及波束报告未被指示针对AI波束报告。
对于具有以下的波束报告，OCPU＝P，CSI-ReportConfig的较高层参数reportQuantity被设置为“cri-RSRP”、“ssb-lndex-RSRP”、“cri-SINR”、“ssb-lndex-SINR”或“无”，且CSI-RS-ResourceSet的较高层参数trs-lnfo未被配置，以及该波束报告被指示针对模型推理。
对于具有以下的波束报告，OCPU＝1+P，CSI-ReportConfig的较高层参数reportQuanntity被设置为“cri-RSRP”、“sab-lndex-RSRP”、“cri-SINR”、“ssb-lndex-SINR”、或“无”，且CSI-RS-ResourceSet的较高层参数trs-lnfo未被配置，以及该波束报告被指示针对模型监测。
如此，能高效地确定用于模型推理和模型监测的CPU资源。
在本公开的示例实施例中，如果满足以下条件中的至少一个，则终端设备102可以确定波束报告是JIM波束报告：终端设备102报告AI相关能力，例如，指示以下项的能力：UE支持AI/机器学习(Machine Learning，ML)、模型推理、模型监测、联合的模型推理和模型监测、基于位置信息的波束预测。终端设备102通过网络设备101被配置有AI相关配置，例如，启用指示AI/ML/模型推理/模型监测/联合的模型推理和模型监测/基于位置信息的波束预测的参数。波束报告中配置的RS的周期不同于波束报告的周期。终端设备102被配置有监测/推理特定偏移和周期，或循环持续时间，循环持续时间包括监测持续时间和推理持续时间。
图8说明根据本公开的一些示例实施例在终端设备处实现的方法800的例子。为便于讨论，将参考图1B从终端设备102的角度陈述方法800。
在本公开的示例实施例中，在块801中，终端设备102从网络设备101接收针对第一波束报告的配置。在块802中，终端设备102使用人工智能(AI)模型生成第一波束报告，而不对与第一波束报告相关联的第一组参考信号执行波束测量。在块803中，终端设备102向网络设备101发送第一波束报告。
在一个实施例中，终端设备102进一步省略从网络设备接收该组参考信号。
在一个实施例中，第一波束报告包括信道状态信息(CSI)-参考信号(RS)资源指示符(CRI)或同步信号(SS)/物理广播信道(PBCH)块资源指示符(SSBRI)。
在一个实施例中，响应于确定发送第一波束报告与发送第二波束报告冲突，基于第一波束报告的第一优先级和第二波束报告的第二优先级之间的比较，终端设备102进一步发送第一波束报告和第二波束报告中的一者。
在一个实施例中，第一优先级和第二优先级基于以下项中的至少一项来确定：第一波束报告是否包括CRI或SSBRI，第一波束报告是否使用AI模型生成。
在一个实施例中，发送第一波束报告包括：周期性或半持续地发送多个波束报告，第一波束报告是多个波束报告中的一者。
在一个实施例中，响应于在发送第一波束报告之前、并且在发送最近波束报告之后接收到第一组参考信号，终端设备102进一步生成第一波束报告，以包括CRI、SSBRI、第1层参考信号接收功率(L1-RSRP)和第1层信号与干扰加噪声比(L1-SINR)中的至少一者。
在一个实施例中，响应于在发送第一波束报告之前、以及在发送最近波束报告之后未接收到第一组参考信号，终端设备102进一步生成第一波束报告，以包括CRI和SSBRI中的至少一者。
在一个实施例中，终端设备102进一步基于在第二波束报告中配置的第二组参考信号，确定与第一波束报告相关联的第一组参考信号。
在一个实施例中，第二波束报告满足以下条件中的至少一项：第二波束报告在时域上最接近第一波束报告，第二波束报告不是使用AI模型生成的，第二组参考信号中参考信号的数量小于或等于预定义阈值，第二波束报告由第一波束报告中配置的CSI报告的索引指示。
在一个实施例中，在上述方法中，终端设备102进一步基于第二组参考信号，确定与第一波束报告相关联的第一组参考信号。
在一个实施例中，第二组参考信号满足以下条件中的至少一项：第二组参考信号与重复配置相关联，第二组参考信号在时域上最接近第一波束报告，以及第二组参考信号中参考信号的数量小于或等于预定阈值。
在一个实施例中，终端设备102进一步基于以下条件中的至少一项，确定第一波束报告将使用AI模型来生成：配置包括AI相关参数，配置不包括第一组参考信号，以及配置包括第一组参考信号、以及第一组参考信号的周期不同于第一波束报告的周期。
在一个实施例中，第一波束报告是针对模型推理的第一报告类型。
在一个实施例中，终端设备102进一步在不使用AI模型、而对与第一波束报告相关联的第一组参考信号执行波束测量的情况下生成第三波束报告，在第三波束报告中向网络设备至少发送关于AI模型是否可用的指示，第三波束报告是用于模型监测的第二报告类型。
在一个实施例中，终端设备102期望接收与第一波束报告相关联的第一组参考信号，该第一波束报告是用于模型监测的第二报告类型。
在一个实施例中，模型监测的处理所占用的CPU数量比模型推理的处理所占用的CPU数量多一个。
在一个实施例中，终端设备102进一步基于以下项中的至少一项来确定报告类型为模型监测：模型监测的偏移和周期，循环持续时间(包括模型推理的持续时间和模型监测的持续时间)，来自网络设备的动态指示，接收来自网络设备的第一组参考信号。
在一个实施例中，动态指示由下行链路控制信息(DCI)或媒体接入控制-控制元素(MAC-CE)指示。
在一个实施例中，利用特定的无线网络临时标识(RNTI)对DCI加扰。
图9说明根据本公开的一些示例实施例在网络设备处实现的方法900的例子。为便于讨论，将参考图1B从网络设备101的角度陈述方法900。
在块901中，网络设备101向终端设备102发送针对第一波束报告的配置。在块902中，网络设备101从终端设备102接收针对网络设备的第一波束报告，第一波束报告使用人工智能(AI)模型生成，不对与第一波束报告相关联的第一组参考信号执行波束测量。
在一个实施例中，网络设备101进一步省略向终端设备102发送该组参考信号。
在一个实施例中，网络设备101进一步从终端设备102接收关于终端设备102中的AI模型是否可用的指示。
图10说明适用于实现本公开的实施例的设备1000的简化框图。设备1000可被视为图1B所示终端设备102和网络设备101的进一步示例实现。因此，设备1000可以在终端设备102或网络设备101上实现，或至少作为终端设备102或网络设备101的一部分实现。
如所示的，设备1000包括处理器1010、耦合到处理器1010的存储器1020、耦合到处理器1010的合适的发射机(Transmitter，TX)和接收机(Receiver，RX)1040，以及耦合到TX/RX 1040的通信接口。存储器1010至少存储程序1030的一部分。TX/RX 1040用于双向通信。TX/RX 1040具有至少一根天线以方便通信，尽管实际上本公开中提到的接入节点可能有多根天线。通信接口可代表与其他网元通信所需的任何接口，例如用于eNB之间双向通信的X2接口、用于移动性管理实体(Mobility Management Entity，MME)/服务网关(ServingGateway，S-GW)与eNB之间通信的S1接口、用于eNB与中继节点(Relay Node，RN)之间通信的Un接口或用于eNB与终端设备之间通信的Uu接口。
假设程序1030包括程序指令，当这些指令被相关处理器1010执行时，使设备1000根据本公开的实施例操作，如本文参考图2-9所讨论的。本文中的实施例可以通过设备1000的、处理器1010可执行的计算机软件实现，或可以通过硬件实现，或者通过软件和硬件的组合实现。处理器1010可被配置为实现本公开的各个实施例。此外，处理器1010和存储器1020的组合可形成处理部件1050，适于实现本公开的各个实施例。
存储器1020可以是适合本地技术网络的任何类型，并且可以使用任何合适的数据存储技术来实现，例如非暂时性计算机可读存储介质、基于半导体的存储设备、磁存储设备和系统、光存储设备和系统、固定存储器和可移除存储器，作为非限制性例子。虽然设备1000中只显示了一个存储器1020，但设备1000中可能有多个物理上不同的存储器模块。处理器1010可以是适合本地技术网络的任何类型，且可以包括通用计算机、专用计算机、微处理器、数字信号处理器(Digital Signal Processor，DSP)和基于多核处理器架构的处理器中的一个或多个，作为非限制性例子。设备1000可以具有多个处理器，例如在时间上从属于与主处理器同步的时钟的专用集成电路芯片。
总之，本公开的实施例可以提供以下解决方案。
一种通信方法，包括：在终端设备上从网络设备接收针对第一波束报告的配置；使用人工智能(Artificial Intelligence，AI)模型生成第一波束报告，而不对与第一波束报告相关联的第一组参考信号执行波束测量；以及向网络设备发送第一波束报告。
在一个实施例中，上述方法进一步包括：省略接收来自网络设备的该组参考信号。
在一个实施例中，如上所述的方法中，第一波束报告包括信道状态信息(CSI)-参考信号(RS)资源指示符(CRI)、或同步信号(SS)/物理广播信道(PBCH)块资源指示符(SSBRI)。
在一个实施例中，上述方法进一步包括：响应于确定发送第一波束报告与发送第二波束报告冲突，基于第一波束报告的第一优先级和第二波束报告的第二优先级之间的比较，发送第一波束报告和第二波束报告中的一者。
在一个实施例中，如上所述的方法中，第一优先级和第二优先级基于以下中的至少一项而被确定：第一波束报告是否包括CRI或SSBRI，第一波束报告是否使用AI模型生成。
在一个实施例中，如上所述的方法中，发送第一波束报告包括：周期性或半持续地发送多个波束报告，第一波束报告是多个波束报告中的一者。
在一个实施例中，上述方法进一步包括：响应于在发送第一波束报告之前并且在发送最近波束报告之后接收到第一组参考信号，生成第一波束报告，以包括CRI、SSBRI、层1参考信号接收功率(L1-RSRP)和层1信号与干扰加噪声比(L1-SINR)中的至少一者。
在一个实施例中，上述方法进一步包括：响应于在发送第一波束报告之前、并且在发送最近波束报告之后未接收到第一组参考信号，生成第一波束报告，以包括CRI和SSBRI中的至少一者。
在一个实施例中，上述方法进一步包括：基于在第二波束报告中被配置的第二组参考信号，确定与第一波束报告相关联的第一组参考信号。
在一个实施例中，如上所述的方法中，第二波束报告满足以下条件中的至少一项：第二波束报告在时域上最接近第一波束报告，第二波束报告不是使用AI模型生成的，第二组参考信号中参考信号的数量小于或等于预定义阈值，第二波束报告由在第一波束报告中被配置的CSI报告的索引指示。
在一个实施例中，上述方法进一步包括：基于第二组参考信号，确定与第一波束报告相关联的第一组参考信号。
在一个实施例中，如上所述的方法中，第二组参考信号满足以下条件中的至少一项：第二组参考信号与重复的配置相关联，第二组参考信号在时域上最接近第一波束报告，以及第二组参考信号中的参考信号数量小于或等于预定义阈值。
在一个实施例中，如上所述的方法进一步包括：基于以下条件中的至少一项，确定使用AI模型来生成第一波束报告：配置包括AI相关参数，配置不包括第一组参考信号，以及配置包括第一组参考信号、并且第一组参考信号的周期不同于第一波束报告的周期。
在一个实施例中，如上所述的方法中，第一波束报告具有针对模型推理的第一报告类型。
在一个实施例中，如上所述的方法进一步包括：通过对与第一波束报告相关联的第一组参考信号执行波束测量，不使用AI模型来生成第三波束报告，在第三波束报告中至少向网络设备发送关于AI模型是否可用的指示，第三波束报告具有针对模型监测的第二报告类型。
在一个实施例中，如上所述的方法中，终端设备预期接收与第一波束报告相关联的第一组参考信号，该第一波束报告具有针对模型监测的第二报告类型。
在一个实施例中，如上所述的方法中，有模型监测的处理所占用的CPU数量比由模型推理的处理所占用的CPU数量多一个。
在一个实施例中，如上所述的方法进一步包括：基于以下项中的至少一项，确定报告类型为模型监测：模型监测的偏移和周期，循环持续时间(包括用于模型推理的持续时间、以及用于模型监测的持续时间)，来自网络设备的动态指示，从网络设备接收第一组参考信号。
在一个实施例中，如上所述的方法中，动态指示由下行链路控制信息(DCI)或媒体接入控制-控制元素(MAC-CE)指示。
在一个实施例中，如上所述的方法中，DCI利用特定的无线网络临时标识(RNTI)而被加扰。
一种通信方法，包括：在网络设备处，向终端设备发送针对第一波束报告的配置；以及从终端设备接收网络设备的第一波束报告，第一波束报告是使用人工智能(AI)模型生成的，不对与第一波束报告相关联的第一组参考信号执行波束测量。
在一个实施例中，上述方法进一步包括：省略向终端设备发送该组参考信号。
在一个实施例中，上述方法进一步包括：从终端设备接收关于终端设备中的AI模型是否可用的指示。

Claims (26)

1.一种通信方法，包括：
在终端设备处从网络设备接收针对第一波束报告的配置；
在终端设备处，使用人工智能(AI)模型生成所述第一波束报告，而不对与所述第一波束报告相关联的第一组参考信号执行波束测量；以及
向所述网络设备发送所述第一波束报告。
2.根据权利要求1所述的方法，进一步包括：
省略从所述网络设备接收所述一组参考信号。
3.根据权利要求1所述的方法，其中所述第一波束报告包括：信道状态信息(CSI)-参考信号(RS)资源指示符(CRI)、或同步信号(SS)/物理广播信道(PBCH)块资源指示符(SSBRI)。
4.根据权利要求1所述的方法，进一步包括：
响应于确定发送所述第一波束报告与发送第二波束报告冲突，基于所述第一波束报告的第一优先级和所述第二波束报告的第二优先级之间的比较，发送所述第一波束报告和所述第二波束报告中的一者。
5.根据权利要求1所述的方法，其中与所述第一波束报告相关联的所述优先级基于以下项中的至少一项而被确定：
所述第一波束报告是否包含CRI或SSBRI，以及
所述第一波束报告是否使用所述AI模型生成。
6.根据权利要求1所述的方法，其中发送所述第一波束报告包括：
周期性或半持续地发送多个波束报告，所述第一波束报告是所述多个波束报告中的一者。
7.根据权利要求6所述的方法，进一步包括：
响应于在发送所述第一波束报告之前并且在发送最近波束报告之后接收所述第一组参考信号，生成所述第一波束报告，以包括以下项中的至少一项：CRI、SSBRI、层1参考信号接收功率(L1-RSRP)和层1信号与干扰加噪声比(L1-SINR)。
8.根据权利要求6所述的方法，进一步包括：
响应于在发送所述第一波束报告之前、并且在发送最近波束报告之后未接收所述第一组参考信号，生成所述第一波束报告，以包括CRI和SSBRI中的至少一者。
9.根据权利要求1所述的方法，进一步包括：
基于在第二波束报告中被配置的第二组参考信号，确定与所述第一波束报告相关联的所述第一组参考信号。
10.根据权利要求9所述的方法，其中所述第二波束报告满足以下条件中的至少一项：
所述第二波束报告在时域上最接近所述第一波束报告，
所述第二波束报告不是使用所述AI模型生成的，
所述第二组参考信号中的参考信号数量小于或等于预定义阈值，以及
所述第二波束报告由在所述第一波束报告中被配置的CSI报告的索引指示。
11.根据权利要求1所述的方法，进一步包括：
基于第二组参考信号，确定与所述第一波束报告相关联的所述第一组参考信号。
12.根据权利要求11所述的方法，其中所述第二组参考信号满足以下条件中的至少一项：
所述第二组参考信号与重复的配置相关联，
所述第二组参考信号在时域上最接近所述第一波束报告，以及
所述第二组参考信号中所述参考信号的数量小于或等于预定义阈值。
13.根据权利要求1所述的方法，进一步包括：基于以下条件中的至少一项，确定使用所述AI模型来生成所述第一波束报告：
所述配置包括AI相关参数，
所述配置不包括所述第一组参考信号，以及
所述配置包括所述第一组参考信号、并且所述第一组参考信号的周期不同于所述第一波束报告的周期。
14.根据权利要求1所述的方法，其中所述第一波束报告具有针对模型推理的第一报告类型。
15.根据权利要求1所述的方法，进一步包括：
通过对与所述第一波束报告相关联的所述第一组参考信号执行波束测量，不使用所述AI模型来生成第三波束报告，
在所述第三波束报告中，向所述网络设备至少发送关于所述AI模型是否可用的指示，
所述第三波束报告具有针对模型监测的第二报告类型。
16.根据权利要求15所述的方法，其中：
所述终端设备预期接收与所述第一波束报告相关联的所述第一组参考信号，所述第一波束报告具有针对模型监测的所述第二报告类型。
17.根据权利要求15所述的方法，其中：
由模型监测的处理占用的CPU数量比由模型推理的处理占用的CPU数量多一个。
18.根据权利要求15所述的方法，进一步包括：基于以下项中的至少一项，确定所述第一波束报告是否具有针对模型监测的所述第二报告类型：
用于模型监测的偏移和周期，
循环持续时间，包括：用于模型推理的持续时间、以及用于模型监测的持续时间，
来自所述网络设备的动态指示，以及
从所述网络设备接收所述第一组参考信号。
19.根据权利要求18所述的方法，其中所述动态指示由下行链路控制信息(DCI)或媒体接入控制-控制元素(MAC-CE)指示。
20.根据权利要求19所述的方法，其中：
所述DCI利用特定的无线网络临时标识(RNTI)而被加扰。
21.一种通信方法，包括：
在网络设备处，向终端设备发送针对第一波束报告的配置；以及
从所述终端设备接收针对所述网络设备的所述第一波束报告，所述第一波束报告使用人工智能(AI)模型生成，而不对与所述第一波束报告相关联的第一组参考信号执行波束测量。
22.根据权利要求21所述的方法，进一步包括：
省略向所述终端设备发送所述一组参考信号。
23.根据权利要求21所述的方法，进一步包括：
从所述终端设备接收关于所述终端设备中的AI模型是否可用的指示。
24.一种终端设备，包括：
处理器；以及
存储器，存储计算机程序代码；
所述存储器和所述计算机程序代码被配置为与所述处理器一起，使得所述终端设备执行根据权利要求1-20中任一项所述的方法。
25.一种网络设备，包括：
处理器；以及
存储器，存储计算机程序代码；
所述存储器和所述计算机程序代码被配置为与所述处理器一起，使得所述网络设备执行根据权利要求21-23中任一项所述的方法。
26.一种计算机可读介质，其上存储有指令，所述指令在被装置的处理器执行时，使所述装置执行根据权利要求1-23中任一项所述的方法。
CN202280097285.8A 2022-06-23 2022-06-23 用于通信的方法、设备和介质 Pending CN119404538A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2022/100915 WO2023245581A1 (en) 2022-06-23 2022-06-23 Methods, devices, and medium for communication

Publications (1)

Publication Number Publication Date
CN119404538A true CN119404538A (zh) 2025-02-07

Family

ID=89378920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280097285.8A Pending CN119404538A (zh) 2022-06-23 2022-06-23 用于通信的方法、设备和介质

Country Status (3)

Country Link
US (1) US20250386228A1 (zh)
CN (1) CN119404538A (zh)
WO (1) WO2023245581A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118523857A (zh) * 2023-02-17 2024-08-20 大唐移动通信设备有限公司 模型监控方法、装置、终端及网络侧设备
CN120389771A (zh) * 2024-01-26 2025-07-29 维沃移动通信有限公司 信道状态信息上报方法、终端及网络侧设备
WO2025161035A1 (zh) * 2024-02-04 2025-08-07 北京小米移动软件有限公司 通信方法、终端、网络设备、通信系统及存储介质
WO2025175239A1 (en) * 2024-02-15 2025-08-21 Ofinno, Llc Priority of report based on output of artificial intelligence model inference
WO2025209448A1 (en) * 2024-04-03 2025-10-09 Mediatek Inc. Method of beam report configuration for ai/ml based beam management and device thereof
CN121040117A (zh) * 2024-04-03 2025-11-28 北京小米移动软件有限公司 一种通信方法、通信设备及存储介质
WO2025148300A1 (en) * 2024-08-09 2025-07-17 Zte Corporation User device side reporting in wireless communications

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018173001A1 (en) * 2017-03-24 2018-09-27 Telefonaktiebolaget Lm Ericsson (Publ) Measurement reporting enhancements in beam based systems
US10505616B1 (en) * 2018-06-01 2019-12-10 Samsung Electronics Co., Ltd. Method and apparatus for machine learning based wide beam optimization in cellular network
WO2020032621A1 (ko) * 2018-08-08 2020-02-13 엘지전자 주식회사 무선 통신 시스템에서 다수의 기지국들에 대한 채널 상태 정보를 송수신하는 방법 및 이에 대한 장치
CN114390580B (zh) * 2020-10-20 2024-10-15 维沃移动通信有限公司 波束上报方法、波束信息确定方法及相关设备

Also Published As

Publication number Publication date
US20250386228A1 (en) 2025-12-18
WO2023245581A1 (en) 2023-12-28

Similar Documents

Publication Publication Date Title
CN119404538A (zh) 用于通信的方法、设备和介质
US11523298B2 (en) Methods and apparatuses for channel state information transmission
US10644845B2 (en) Method and apparatus for cross-link interference measurements in mobile communications
JP7188455B2 (ja) 方法、ネットワーク装置、及び、端末
US11483721B1 (en) Apparatus and method for beam management
US11985622B2 (en) Method of correcting time of departure in observed time difference of arrival positioning
WO2021062689A1 (zh) 一种上行传输的方法及装置
WO2021077372A1 (en) Method and access network node for beam management
CN119678527A (zh) 用于节能的测量要求
CN115176491B (zh) 交叉链路干扰的自适应测量
CN116647885A (zh) Ue自主接收波束切换的解调性能劣化
CN121264091A (zh) 对l1/l3测量的增强
WO2024093230A1 (en) Beam set adaptation for beam measurement
WO2025035334A1 (en) Positioning enhancements with cell dtx/drx
WO2024098229A1 (en) Beam information triggering for cell activation
US12549311B2 (en) Method, device and computer readable medium for communication
US20250055538A1 (en) Csi-rs transmission
US20220337971A1 (en) Signalling for positioning latency control
US20230403116A1 (en) Method, device and computer readable medium for communication
WO2025031557A1 (en) Enhanced operations for channel state information (csi) or beam configurations
CN119586050A (zh) 协调定位参考信号分量的选择
CN120752948A (zh) 用于通信的设备、方法和计算机可读存储介质
CN121128210A (zh) 用于监测pdcch的设备和方法
CN120786509A (zh) 路径损耗信息供应
CN120188566A (zh) 定位触发

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination