【技術實現步驟摘要】
【國外來華專利技術】
本公開整體涉及用于無線通信的機器學習（ml）系統。例如，本公開的各方面涉及用于對部署在網絡設備或節點（例如基站，諸如gnodeb（gnb）或其部分）處的基于機器學習的解碼器執行多供應商順序訓練的系統和技術，該網絡設備或節點可以與部署在多個用戶裝備（ue）設備處的多種不同類型的基于機器學習的編碼器一起工作。
技術介紹
1、無線通信系統被部署以提供包括電話、視頻、數據、消息接發和廣播的各種電信和數據服務。寬帶無線通信系統已歷經數代發展，包括第一代模擬無線電話服務（1g）、第二代（2g）數字無線電話服務（包括過渡的2.5g網絡）、第三代（3g）具有因特網能力的高速數據無線設備和第四代（4g）服務（例如，長期演進（lte）、wimax）。無線通信系統的示例包括碼分多址（cdma）系統、時分多址（tdma）系統、頻分多址（fdma）系統、正交頻分多址（ofdma）系統、全球移動通信系統（gsm）系統等。其他無線通信技術包括802.11?wi-fi、藍牙等。
2、第五代（5g）移動標準要求更高的數據傳遞速度、更大數量的連接和更好的覆蓋以及其他改進。根據下一代移動網絡聯盟，5g標準（也被稱為“新無線電”或“nr”）被設計成向數萬個用戶中的每個用戶提供數十兆比特每秒的數據速率，以及向辦公樓層里的數十位員工提供1千兆比特每秒的數據速率。為了支持大型傳感器部署，應當支持數十萬個同時連接。人工智能（ai）和基于ml的算法可以被并入5g和未來標準中以改進電信和數據服務。
技術實現思路
1、以下
2、本文描述了用于部署在可與多種不同類型的用戶裝備（ue）機器學習編碼器一起工作的網絡設備或節點（例如，基站諸如gnodeb（gnb）或其部分，諸如中央單元（cu）、分布式單元（du）、無線電單元（ru）或具有分解式架構的基站的其他部分）處的機器學習解碼器的多供應商順序訓練的系統和技術。供應商可以是制造不同組件或設備的不同公司，諸如生產移動設備的供應商和制造用于與移動設備通信的基站的另一供應商。
3、編碼器和解碼器的訓練通常離線發生。例如，與gnb分離的服務器可以訓練基于機器學習的解碼器，然后部署解碼器以在gnb上操作。供應商或實體（諸如無線服務提供商）可以與解碼器相關聯。類似地，與實體（諸如用戶裝備（ue）制造商）相關聯的服務器可以用于訓練基于機器學習的編碼器。一旦編碼器被訓練，它就可以被部署在移動ue或多個ue上。一個問題可能與不同的實體與編碼器和解碼器相關聯的事實有關。不同的實體可以具有關于它們各自的編碼器和解碼器的專有信息，諸如底層神經網絡（nn）模型和用于訓練編碼器和/或解碼器的訓練數據。因此，例如，ue制造商可能不希望與無線服務提供商共享他們的編碼器以用于與訓練解碼器協調的訓練，因為編碼器可能會泄露至少一些專有信息。本文描述的各方面提供了訓練和部署機器學習編碼器和解碼器的示例方法，并且可以在與基站諸如gnb相關聯的服務器上（例如，用于訓練解碼器和/或編碼器）、在與ue相關聯的服務器上（例如，用于訓練解碼器和/或編碼器）、在ue上和/或在基站上實現。
4、在一個例示性示例中，提供了與第一供應商相關聯并用于無線通信的第一網絡實體，該第一網絡實體包括至少一個存儲器和至少一個處理器（例如，在電路中實現），該至少一個處理器耦合到該至少一個存儲器并被配置為：從與至少第二供應商相關聯的至少第二網絡實體接收控制信息；使用控制信息在第一網絡實體處訓練第一機器學習編碼器和機器學習解碼器；以及向至少第二網絡實體發送用于在第二網絡實體處訓練第二機器學習編碼器中使用的第一解碼器順序訓練數據集，該第一解碼器順序訓練數據集包括控制信息或由第一機器學習編碼器輸出的控制信息的潛在表示中的至少一者。第一網絡實體可以是基站，并且第二網絡實體可以包括用戶裝備（ue）。
5、在另一示例中，提供了一種在與第一供應商相關聯的第一網絡實體處進行無線通信的方法。該方法包括：在第一網絡實體處從與至少第二供應商相關聯的至少第二網絡實體接收控制信息；使用控制信息在第一網絡實體處訓練第一機器學習編碼器和機器學習解碼器；以及向至少第二網絡實體發送用于在第二網絡實體處訓練第二機器學習編碼器中使用的第一解碼器順序訓練數據集，該第一解碼器順序訓練數據集包括控制信息或由第一機器學習編碼器輸出的控制信息的潛在表示中的至少一者。第一網絡實體可以包括基站，并且第二網絡實體包括ue。
6、在另一方面，提供了一種具有指令的非暫態計算機可讀介質，這些指令在由一個或多個處理器執行時使得一個或多個處理器：在與第一供應商相關聯的第一網絡實體處從與至少第二供應商相關聯的至少第二網絡實體接收控制信息；使用控制信息在第一網絡實體處訓練第一機器學習編碼器和機器學習解碼器；以及向至少第二網絡實體發送用于在第二網絡實體處訓練第二機器學習編碼器中使用的第一解碼器順序訓練數據集，該第一解碼器順序訓練數據集包括控制信息或由第一機器學習編碼器輸出的控制信息的潛在表示中的至少一者。
7、在另一示例中，一種用于無線通信的裝置可以包括：用于在與第一供應商相關聯的第一網絡實體處從與至少第二供應商相關聯的至少第二網絡實體接收控制信息的部件；用于使用控制信息在第一網絡實體處訓練第一機器學習編碼器和機器學習解碼器的部件；以及用于向至少第二網絡實體發送用于在第二網絡實體處訓練第二機器學習編碼器中使用的第一解碼器順序訓練數據集的部件，該第一解碼器順序訓練數據集包括控制信息或由第一機器學習編碼器輸出的控制信息的潛在表示中的至少一者。
8、在另一方面，用于無線通信的裝置可以包括至少一個存儲器和耦合到該至少一個存儲器的至少一個處理器。該至少一個處理器可以被配置為：從第二網絡實體向第一網絡實體發送用于在第一網絡實體處訓練第一機器學習編碼器和機器學習解碼器的控制信息；以及在第二網絡實體處從第一網絡實體接收用于在第二網絡實體處訓練第二機器學習編碼器中使用的第一解碼器順序訓練數據集，該第一解碼器順序訓練數據集包括控制信息或由第一機器學習編碼器輸出的控制信息的潛在表示中的至少一者。
9、在另一示例中，一種在與第一供應商相關聯的第一網絡實體和與第二供應商相關聯的第二網絡實體之間進行無線通信的方法可以包括：從第二網絡實體向第一網絡實體發送用于在第一網絡實體處訓練第一機器學習編碼器和機器學習解碼器的控制信息；以及在第二網絡實體處從第一網絡實體接收用于在第二網絡實體處訓練第二機器學習編碼器中使用的第一解碼器順序訓練數據集，該第一解碼器順序訓練數據集包括控制信息或由第一機器學習編碼器輸出的控制信息的潛在表示中的至少一者。
10、在另一方面，提供了一種具本文檔來自技高網...
【技術保護點】
1.一種在與第一供應商相關聯的第一網絡實體處進行無線通信的方法，所述方法包括：
2.根據權利要求1所述的方法，其中所述第一網絡實體處的所述機器學習解碼器被訓練為用于解碼來自多個不同機器學習編碼器的所述控制信息的相應潛在表示的共享解碼器。
3.根據權利要求1所述的方法，還包括：
4.根據權利要求3所述的方法，其中所述第二機器學習編碼器和所述第三機器學習編碼器是不同類型的機器學習編碼器，并且其中所述機器學習解碼器被訓練為解碼來自所述第一機器學習編碼器和所述第二機器學習編碼器的控制信息的相應潛在表示。
5.根據權利要求1所述的方法，其中所述第一網絡實體包括基站，并且所述第二網絡實體包括用戶裝備。
6.根據權利要求1所述的方法，其中所述第一網絡實體包括與基站相關聯的服務器，并且所述第二網絡實體包括與用戶裝備相關聯的服務器。
7.根據權利要求1所述的方法，其中在所述第一網絡實體處訓練所述第一機器學習編碼器和所述機器學習解碼器包括基于所述控制信息與由所述機器學習解碼器輸出的所述控制信息的解碼表示的比較來最小化誤差。>
8.根據權利要求7所述的方法，其中所述誤差包括均方誤差。
9.根據權利要求1所述的方法，其中所述第一解碼器順序訓練數據集包括所述控制信息和由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示。
10.根據權利要求1所述的方法，還包括：
11.根據權利要求10所述的方法，其中所述參考解碼器使得所述第二網絡實體能夠基于所述控制信息與由所述參考解碼器輸出的所述控制信息的解碼表示之間的端到端損失來訓練所述第二機器學習編碼器。
12.根據權利要求10所述的方法，其中所述第一解碼器順序訓練數據集包括所述控制信息并且不包括由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示。
13.根據權利要求1所述的方法，其中所述第一解碼器順序訓練數據集包括所述控制信息、由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示和由所述機器學習解碼器輸出的所述控制信息的解碼表示。
14.根據權利要求13所述的方法，其中所述控制信息和由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示使得所述第二網絡實體能夠在所述第二網絡實體處訓練所述機器學習解碼器和所述第二機器學習編碼器。
15.根據權利要求1所述的方法，還包括：
16.根據權利要求15所述的方法，還包括：
17.根據權利要求15所述的方法，其中基于所述編碼器順序訓練數據集來更新所述第一網絡實體處的所述機器學習解碼器以生成所述第二解碼器順序訓練數據集還包括基于所述編碼器順序訓練數據集來訓練所述第一網絡實體處的至少一個預處理層。
18.根據權利要求17所述的方法，其中所述機器學習解碼器的權重在訓練所述至少一個預處理層期間是固定的。
19.根據權利要求17所述的方法，其中所述機器學習解碼器的權重在訓練所述至少一個預處理層期間是更新的。
20.根據權利要求17所述的方法，還包括：
21.根據權利要求1所述的方法，其中所述控制信息包括信道狀態信息（CSI）或信道狀態反饋（CSF）。
22.一種與第一供應商相關聯并用于無線通信的第一網絡實體，包括：
23.根據權利要求22所述的第一網絡實體，其中所述至少一個處理器被配置為將所述第一網絡實體處的所述機器學習解碼器訓練為用于解碼來自多個不同機器學習編碼器的所述控制信息的相應潛在表示的共享解碼器。
24.根據權利要求22所述的第一網絡實體，其中所述至少一個處理器被進一步配置為：
25.根據權利要求24所述的第一網絡實體，其中所述第二機器學習編碼器和所述第三機器學習編碼器是不同類型的機器學習編碼器，并且其中所述機器學習解碼器被訓練為解碼來自所述第一機器學習編碼器和所述第二機器學習編碼器的控制信息的相應潛在表示。
26.根據權利要求22所述的第一網絡實體，其中所述第一網絡實體包括基站，并且所述第二網絡實體包括用戶裝備。
27.根據權利要求22所述的第一網絡實體，其中所述第一網絡實體包括與基站相關聯的服務器，并且所述第二網絡實體包括與用戶裝備相關聯的服務器。
28.根據權利要求22所述的第一網絡實體，其中，為了在所述第一網絡實體處訓練所述第一機器學習編碼器和所述機器學習解碼器，所述至少一個處理器被配置為基于所述控制信息與由所述機器學習解碼器輸出的所述控制信息的解碼表示的比較來最小化誤差。
29.根據權利要求28所述的第一網絡實體，...
【技術特征摘要】
【國外來華專利技術】
1.一種在與第一供應商相關聯的第一網絡實體處進行無線通信的方法，所述方法包括：
2.根據權利要求1所述的方法，其中所述第一網絡實體處的所述機器學習解碼器被訓練為用于解碼來自多個不同機器學習編碼器的所述控制信息的相應潛在表示的共享解碼器。
3.根據權利要求1所述的方法，還包括：
4.根據權利要求3所述的方法，其中所述第二機器學習編碼器和所述第三機器學習編碼器是不同類型的機器學習編碼器，并且其中所述機器學習解碼器被訓練為解碼來自所述第一機器學習編碼器和所述第二機器學習編碼器的控制信息的相應潛在表示。
5.根據權利要求1所述的方法，其中所述第一網絡實體包括基站，并且所述第二網絡實體包括用戶裝備。
6.根據權利要求1所述的方法，其中所述第一網絡實體包括與基站相關聯的服務器，并且所述第二網絡實體包括與用戶裝備相關聯的服務器。
7.根據權利要求1所述的方法，其中在所述第一網絡實體處訓練所述第一機器學習編碼器和所述機器學習解碼器包括基于所述控制信息與由所述機器學習解碼器輸出的所述控制信息的解碼表示的比較來最小化誤差。
8.根據權利要求7所述的方法，其中所述誤差包括均方誤差。
9.根據權利要求1所述的方法，其中所述第一解碼器順序訓練數據集包括所述控制信息和由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示。
10.根據權利要求1所述的方法，還包括：
11.根據權利要求10所述的方法，其中所述參考解碼器使得所述第二網絡實體能夠基于所述控制信息與由所述參考解碼器輸出的所述控制信息的解碼表示之間的端到端損失來訓練所述第二機器學習編碼器。
12.根據權利要求10所述的方法，其中所述第一解碼器順序訓練數據集包括所述控制信息并且不包括由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示。
13.根據權利要求1所述的方法，其中所述第一解碼器順序訓練數據集包括所述控制信息、由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示和由所述機器學習解碼器輸出的所述控制信息的解碼表示。
14.根據權利要求13所述的方法，其中所述控制信息和由所述第一機器學習編碼器輸出的所述控制信息的所述潛在表示使得所述第二網絡實體能夠在所述第二網絡實體處訓練所述機器學習解碼器和所述第二機器學習編碼器。
15.根據權利要求1所述的方法，還包括：
16.根據權利要求15所述的方法，還包括：
17.根據權利要求15所述的方法，其中基于所述編碼器順序訓練數據集來更新所述第一網絡實體處的所述機器學習解碼器以生成所述第二解碼器順序訓練數據集還包括基于所述編碼器順序訓練數據集來訓練所述第一網絡實體處的至少一個預處理層。
18.根據權利要求17所述的方法，其中所述機器學習解碼器的權重在訓練所述至少一個預處理層期間是固定的。
19.根據權利要求17所述的方法，其中所述機器學習解碼器的權重在訓練所述至少一個預處理層期間是更新的。
20.根據權利要求17所述的方法，還包括：
21.根據權利要求1所述的方法，其中所述控制信息包括信道狀態信息（csi）或信道狀態反饋（csf）。
22.一種與第一供應商相關聯并用于無線通信的第一網絡實體，包括：
23.根據權利要求22所述的第一網絡實體，其中所述至少一個處理器被配置為將所述第一網絡實體處的所述機器學習解碼器訓練為用于解碼來自多個不同機器學習編碼器的所述控制信息的相應潛在表示的共享解碼器。
24.根據權利要求22所述的第一網絡實體，其中所述至少一個處理器被進一步配置為：
25.根據權利要求24所述的第一網絡實體，其中所述第二機器學習編碼器和所述第三機器學習編碼器是不同類型的機器學習編碼器，并且其中所述機器學習解碼器被訓練為解碼來自所述第一機器學習編碼器和所述第二機器學習編碼器的控制信息的相應潛在表示。
26.根據權利要求22所述的第一網絡實體，其中所述第一網絡實體包括基站，并且所述第二網絡實體包括用戶裝備。
27.根據權利要求22所述的第一網絡實體，其中所述第一網絡實體包括與基站相關聯的服務器，并且所述第二網絡實體包括與用戶裝備相關聯的服務器。
28.根據權利要求22所述的第一網絡實體，其中，為了在所述第一網絡實體處訓練所述第一機器學習編碼器和所述機器學習解碼器，所述至少一個處理器被配置為基于所述控制信息與由所述機器學習解碼器輸出的所述控制信息的解碼表示的比較來最小化誤差。
29.根據權利要求2...
【專利技術屬性】
技術研發人員：A·M·A·M·伊布拉希姆，J·納姆古，T·俞，J·K·桑達拉拉詹，郝辰曦，N·布尚，季庭方，
申請(專利權)人：高通股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。