用于训练无线系统中的人工智能分量的方法与流程

用于训练无线系统中的人工智能分量的方法
1.相关申请的交叉引用
2.本技术要求2021年1月11日提交的美国临时专利申请63/135836号和2021年10月21日提交的美国临时专利申请63/094406号的权益，这些专利申请全文以引用的方式并入本文以用于所有目的。
技术领域
3.本公开涉及通信架构，包括但不排他地涉及对5g通信架构的控制。


背景技术：

4.人工智能可以广泛地定义为模仿感知、推理、适应和行动的认知功能的机器表现出的行为。机器学习(ml)可以指基于通过经验(“数据”)学习求解问题而不用显式编程(“配置规则集合”)的算法类型。基于可用于学习算法的数据或反馈的性质，可以设想不同的机器学习范例。例如，监督学习方法可以涉及学习基于标记的训练示例将输入映射到输出的函数，其中每个训练示例可以是由输入和对应的输出组成的对。
5.例如，无监督学习方法可以涉及在没有预先存在的标记的情况下检测数据中的模式。例如，强化学习方法可涉及在环境中执行动作序列以便最大化累积奖励。在一些解决方案中，有可能使用以上提及的方法的组合或内插应用机器学习算法。例如，半监督学习方法可以在训练期间使用少量标记数据与大量未标记数据的组合。在这点上，半监督学习落入无监督学习(没有标记的训练数据)与监督学习(仅有标记的训练数据)之间。ai分量可指通过基于数据学习实现行为和/或符合要求，而没有动作步骤序列的显式配置。此类ai分量可以使能学习在使用传统方法时可能难以指定和/或实现的复杂行为。
6.深度神经网络(dnn)是由人脑激发的一类特殊的机器学习模型，其中输入被线性变换并且多次通过非线性激活函数。dnn通常由多层组成，其中每层由线性变换和给定非线性激活函数组成。可以使用训练数据经由反向传播算法训练dnn。近来，dnn已经在各个领域(例如，语音、视觉、自然语言等)中并且针对监督、无监督和半监督的各种机器学习设定，展示了现有技术的性能。
7.自动编码器是在无监督机器学习设定的上下文中出现的特定类别的dnn，其中使用基于dnn的编码器将高维数据非线性地变换成较低维潜在向量，并且较低维潜在向量然后用于使用非线性解码器重新产生高维数据。编码器是函数e(x；we)，其中x是高维数据，并且we表示编码器的参数。解码器是函数d(z；wd)，其中z是低维潜在输入，并且wd表示编码器的参数。此外，使用训练数据{x1,
…
,xn}，可以通过求解以下优化问题训练自动编码器
[0008][0009]
以上问题可以使用反向传播算法近似地求解。反向传播是计算关于神经网络的可学习参数的损失函数的梯度的过程，该过程从最后一层通过神经网络反向前进到第一层。
训练的编码器可用于压缩高维数据x以获得低维潜在表示并且训练的解码器将潜在表示解压缩为解码器将潜在表示解压缩为
[0010]
在第5代新空口(5g nr)系统中，多波束天线系统的配置可能在控制参数的计算中消耗大量资源。一个此类示例是收发器之间的多输入多输出(mimo)天线系统的配置。在5g nr系统中，信道状态信息参考信号(csi-rs)可以用于测量发射器与接收器之间的信道状态。信道状态可用于确定发射的调制和编码次序、要在多天线发射中使用的预编码矩阵等。
[0011]
在有助于配置诸如mimo的多波束天线系统的ai的示例应用中，5g nr中的csi-rs可以用于测量信道状态以及在定向发射中训练发射和接收波束。
[0012]
例如，为了说明ai的应用可能有用的挑战，可以考虑csi反馈问题。csi反馈，特别是在大规模mimo中，可能消耗大量资源，因为信道采取大矩阵的形式。在信道矩阵上训练的自动编码器已经展示在通过压缩信道矩阵减少开销方面是有效的。另外，自动编码器已经展示即使在参考信号数目减少的情况下也能实现良好的准确度。在一种方法中，可基于模拟的信道和/或来自真实世界测量的代表性测量样本离线训练自动编码器。然而，这种方法不是有效的，因为信道矩阵的分布取决于实际信道、频带、wtru能力、gnb能力、硬件缺陷而改变，在离线训练期间假设的理想化/简化模型在实际环境/实现中不成立等。在机器学习文献中没有解决用互操作的标准化手段通过现实信道实时训练自动编码器。
[0013]
本文中的公开解决了用于ml的ai相关应用的可能技术，该可能技术可以应用于5g nr中的挑战，诸如mimo配置和控制。


技术实现要素：

[0014]
在示例性实施方案中，描述了一种用于使用与无线网络中的第一收发器节点相关联的人工智能(ai)的方法，其中第一收发器节点被配置为通过无线信道发送数据并且被配置为发起针对第二节点中的人工智能分量的训练程序。具有编码器的该第一节点向该第二节点中的解码器发射多个有序训练对，该发射响应于基于由该第一节点确定的重构损失值对触发条件的检测。该第一节点从该第二节点接收对应于该发射的训练对的部分处理的训练信息。该第一节点基于该接收的部分处理的训练信息更新该编码器的可学习参数，以减小该重构损失值。
[0015]
在另一示例实施方案中，描述了一种在无线网络中使用的方法，该无线网络包括具有第一人工ai分量的第一收发器节点和具有第二ai分量的第二收发器节点。通过无线信道执行训练程序的方法包括以下中的至少一者：通过无线信道接收多个有序训练对，更新第二ai分量的可学习参数，确定部分处理的训练信息，以及通过无线信道发射对应于接收的训练对的部分处理的训练信息。
[0016]
尽管本文描述和/或要求保护了各种实施方案，其中装置、系统、设备等和/或其任何元件执行操作、过程、算法、功能等和/或其任何部分，但应当理解，本文所述和/或受权利要求书保护的任何实施方案假定任何装置、系统、设备等和/或其任何元件被配置为执行任何操作、过程、算法、功能等和/或其任何部分。
附图说明
[0017]
从下面的详细描述中可以得到更详细的理解，该描述结合其附图以举例的方式给出。与详细描述一样，此类附图中的图是示例。因此，附图和具体实施方式不应被认为是限制性的，并且其他同样有效的示例是可能的和预期的。另外，附图中类似的附图标号(“ref.”)指示类似的元件，并且其中：
[0018]
图1a是示出在其中一个或多个所公开的实施方案可得以实现的示例性通信系统的系统图；
[0019]
图1b是根据实施方案的示出可在图1a所示的通信系统内使用的示例wtru的系统图；
[0020]
图1c是示出根据一个实施方案可在图1a所示的通信系统内使用的示例性无线电接入网络(ran)和示例性核心网络(cn)的系统图；
[0021]
图1d是示出根据一个实施方案可在图1a所示的通信系统内使用的另外一个示例性ran和另外一个示例性cn的系统图；
[0022]
图2描绘了在线ai训练示例；
[0023]
图3描绘了基于在线网络的反向传播示例；
[0024]
图4描绘了在线联合wtru和基于网络的反向传播示例；并且
[0025]
图5是根据实施方案的方法的示例性流程图。
具体实施方式
[0026]
现在将参考各种附图来描述例示性实施方案的详细描述。尽管本说明书提供了可能的具体实施的详细示例，但应当指出的是，细节旨在为示例性的，并且绝不限制本技术的范围。在以下详细描述中，阐述了许多具体细节以提供对本文所公开的实施方案和/或示例的透彻理解。然而，应当理解，此类实施方案和示例可在没有本文阐述的一些或所有具体细节的情况下被实践。在其他情况下，未详细描述熟知的方法、程序、部件和电路，以免模糊以下描述。此外，本文未具体描述的实施方案和示例可代替本文中明确、隐含和/或固有地描述、公开或以其他方式提供(统称为“提供”)的实施方案和其他示例来实践，或与这些实施方案和示例组合来实践。
[0027]
图1a是示出在其中一个或多个所公开的实施方案可得以实现的示例性通信系统100的示意图。通信系统100可为向多个无线用户提供诸如语音、数据、视频、消息、广播等内容的多址接入系统。通信系统100可使多个无线用户能够通过系统资源(包括无线带宽)的共享来访问此类内容。例如，通信系统100可采用一个或多个信道接入方法，诸如码分多址接入(cdma)、时分多址接入(tdma)、频分多址接入(fdma)、正交fdma(ofdma)、单载波fdma(sc-fdma)、零尾唯一字dft扩展ofdm(zt uw dts-s ofdm)、唯一字ofdm(uw-ofdm)、资源块滤波ofdm、滤波器组多载波(fbmc)等。
[0028]
如图1a所示，通信系统100可包括无线发射/接收单元(wtru)102a、102b、102c、102d、ran 104/113、cn 106/115、公共交换电话网(pstn)108、互联网110和其他网络112，但应当理解，所公开的实施方案设想了任何数量的wtru、基站、网络和/或网络元件。wtru 102a、102b、102c、102d中的每一者可以是被配置为在无线环境中操作和/或通信的任何类型的设备。作为示例，wtru 102a、102b、102c、102d(其中任何一个均可被称为“站”和/或“sta”)可被配置为传输和/或接收无线信号，并且可包括用户装备(ue)、移动站、固定或移动用户单元、基于订阅的单元、寻呼机、蜂窝电话、个人数字助理(pda)、智能电话、膝上型电脑、上网本、个人计算机、无线传感器、热点或mi-fi设备、物联网(iot)设备、手表或其他可穿戴设备、头戴式显示器(hmd)、车辆、无人机、医疗设备和应用(例如，远程手术)、工业设备和应用(例如，在工业和/或自动处理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。ue 102a、102b、102c和102d中的任一者可互换地称为wtru。
[0029]
通信系统100还可包括基站114a和/或基站114b。基站114a、114b中的每一者可为任何类型的设备，其被配置为与wtru 102a、102b、102c、102d中的至少一者无线对接以促进对一个或多个通信网络(诸如cn 106/115、互联网110和/或其他网络112)的访问。作为示例，基站114a、114b可为基站收发台(bts)、节点b、演进节点b、家庭节点b、家庭演进节点b、gnb、nr节点b、站点控制器、接入点(ap)、无线路由器等。虽然基站114a、114b各自被描绘为单个元件，但应当理解，基站114a、114b可包括任何数量的互连基站和/或网络元件。
[0030]
基站114a可以是ran 104/113的一部分，该ran还可包括其他基站和/或网络元件(未示出)，诸如基站控制器(bsc)、无线电网络控制器(rnc)、中继节点等。基站114a和/或基站114b可被配置为在一个或多个载波频率(其可被称为小区(未示出))上发射和/或接收无线信号。这些频率可在许可频谱、未许可频谱或许可和未许可频谱的组合中。小区可向特定地理区域提供无线服务的覆盖，该特定地理区域可为相对固定的或可随时间改变。小区可进一步被划分为小区扇区。例如，与基站114a相关联的小区可被划分为三个扇区。因此，在实施方案中，基站114a可包括三个收发器，即，小区的每个扇区一个收发器。在实施方案中，基站114a可采用多输入多输出(mimo)技术并且可针对小区的每个扇区利用多个收发器。例如，可使用波束成形在所需的空间方向上发射和/或接收信号。
[0031]
基站114a、114b可通过空中接口116与wtru 102a、102b、102c、102d中的一者或多者通信，该空中接口可为任何合适的无线通信链路(例如，射频(rf)、微波、厘米波、微米波、红外(ir)、紫外(uv)、可见光等)。可使用任何合适的无线电接入技术(rat)来建立空中接口116。
[0032]
更具体地讲，如上所指出，通信系统100可为多址接入系统，并且可采用一个或多个信道接入方案，诸如cdma、tdma、fdma、ofdma、sc-fdma等。例如，ran 104/113中的基站114a和wtru 102a、102b、102c可实现诸如通用移动电信系统(umts)陆地无线电接入(utra)之类的无线电技术，其可使用宽带cdma(wcdma)来建立空中接口115/116/117。wcdma可包括诸如高速分组接入(hspa)和/或演进的hspa(hspa+)之类的通信协议。hspa可包括高速下行链路(dl)分组接入(hsdpa)和/或高速上行链路(ul)分组接入(hsupa)。
[0033]
在实施方案中，基站114a和wtru 102a、102b、102c可实现诸如演进的umts陆地无线电接入(e-utra)的无线电技术，其可使用长期演进(lte)和/高级lte(lte-a)和/或高级ltepro(lte-a pro)来建立空中接口116。
[0034]
在实施方案中，基站114a和wtru 102a、102b、102c可实现无线电技术诸如nr无线电接入，该无线电技术可使用新空口(nr)来建立空中接口116。
[0035]
在实施方案中，基站114a和wtru 102a、102b、102c可实现多种无线电接入技术。例如，基站114a和wtru 102a、102b、102c可例如使用双连接(dc)原理一起实现lte无线电接入
和nr无线电接入。因此，wtru 102a、102b、102c所利用的空中接口可由多种类型的无线电接入技术和/或向/从多种类型的基站(例如，enb和gnb)发送的发射来表征。
[0036]
在其他实施方案中，基站114a和wtru 102a、102b、102c可实现诸如ieee 802.11(即，无线保真(wifi))、ieee 802.16(即，全球微波接入互操作性(wimax))、cdma2000、cdma2000 1x、cdma2000 ev-do、暂行标准2000(is-2000)、暂行标准95(is-95)、暂行标准856(is-856)、全球移动通信系统(gsm)、gsm增强数据率演进(edge)、gsm edge(geran)等无线电技术。
[0037]
图1a中的基站114b可为例如无线路由器、家庭节点b、家庭演进节点b或接入点，并且可利用任何合适的rat来促进诸如商业场所、家庭、车辆、校园、工业设施、空中走廊(例如，供无人机使用)、道路等局部区域中的无线连接。在实施方案中，基站114b和wtru 102c、102d可实现诸如ieee 802.11之类的无线电技术以建立无线局域网(wlan)。在实施方案中，基站114b和wtru 102c、102d可实现诸如ieee 802.15之类的无线电技术以建立无线个域网(wpan)。在又一个实施方案中，基站114b和wtru 102c、102d可利用基于蜂窝的rat(例如，wcdma、cdma2000、gsm、lte、lte-a、lte-a pro、nr等)来建立微微小区或毫微微小区。如图1a所示，基站114b可具有与互联网110的直接连接。因此，基站114b可不需要经由cn 106/115访问互联网110。
[0038]
ran 104/113可与cn 106/115通信，该cn可以是被配置为向wtru 102a、102b、102c、102d中的一者或多者提供语音、数据、应用和/或互联网协议语音技术(voip)服务的任何类型的网络。数据可具有不同的服务质量(qos)要求，诸如不同的吞吐量要求、延迟要求、误差容限要求、可靠性要求、数据吞吐量要求、移动性要求等。cn 106/115可提供呼叫控制、账单服务、基于移动位置的服务、预付费呼叫、互联网连接、视频分发等，和/或执行高级安全功能，诸如用户认证。尽管未在图1a中示出，但是应当理解，ran 104/113和/或cn 106/115可与采用与ran 104/113相同的rat或不同rat的其他ran进行直接或间接通信。例如，除了连接到可利用nr无线电技术的ran 104/113之外，cn 106/115还可与采用gsm、umts、cdma 2000、wimax、e-utra或wifi无线电技术的另一ran(未示出)通信。
[0039]
cn 106/115也可充当wtru 102a、102b、102c、102d的网关，以访问pstn 108、互联网110和/或其他网络112。pstn 108可包括提供普通老式电话服务(pots)的电路交换电话网络。互联网110可包括使用常见通信协议(诸如传输控制协议(tcp)、用户数据报协议(udp)和/或tcp/ip互联网协议组中的互联网协议(ip))的互连计算机网络和设备的全球系统。网络112可包括由其他服务提供商拥有和/或操作的有线和/或无线通信网络。例如，网络112可包括连接到一个或多个ran的另一个cn，其可采用与ran 104/113相同的rat或不同的rat。
[0040]
通信系统100中的一些或所有wtru 102a、102b、102c、102d可包括多模式能力(例如，wtru 102a、102b、102c、102d可包括用于通过不同无线链路与不同无线网络通信的多个收发器)。例如，图1a所示的wtru 102c可被配置为与可采用基于蜂窝的无线电技术的基站114a通信，并且与可采用ieee 802无线电技术的基站114b通信。
[0041]
图1b是示出示例性wtru 102的系统图。如图1b所示，wtru 102可包括处理器118、收发器120、发射/接收元件122、扬声器/麦克风124、小键盘126、显示器/触摸板128、不可移动存储器130、可移动存储器132、电源134、全球定位系统(gps)芯片组136和/或其他外围设
备138等。应当理解，在与实施方案保持一致的同时，wtru 102可包括前述元件的任何子组合。
[0042]
处理器118可以是通用处理器、专用处理器、常规处理器、数字信号处理器(dsp)、多个微处理器、与dsp核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(asic)、现场可编程门阵列(fpga)电路、任何其他类型的集成电路(ic)、状态机等。处理器118可执行信号编码、数据处理、功率控制、输入/输出处理和/或任何其他功能，这些其他功能使wtru 102能够在无线环境中工作。处理器118可耦合到收发器120，该收发器可耦合到发射/接收元件122。虽然图1b将处理器118和收发器120描绘为单独的部件，但是应当理解，处理器118和收发器120可在电子封装或芯片中集成在一起。
[0043]
发射/接收元件122可被配置为通过空中接口116向基站(例如，基站114a)发射信号或从基站接收信号。例如，在一个实施方案中，发射/接收元件122可以是被配置为发射和/或接收rf信号的天线。在一个实施方案中，发射/接收元件122可以是被配置为发射和/或接收例如ir、uv或可见光信号的发射器/检测器。在又一个实施方案中，发射/接收元件122可被配置为发射和/或接收rf和光信号。应当理解，发射/接收元件122可被配置为发射和/或接收无线信号的任何组合。
[0044]
尽管发射/接收元件122在图1b中被描绘为单个元件，但是wtru 102可包括任何数量的发射/接收元件122。更具体地讲，wtru 102可采用mimo技术。因此，在一个实施方案中，wtru 102可包括用于通过空中接口116发射和接收无线信号的两个或更多个发射/接收元件122(例如，多个天线)。
[0045]
收发器120可被配置为调制将由发射/接收元件122发射的信号并且解调由发射/接收元件122接收的信号。如上所指出，wtru 102可具有多模式能力。例如，因此，收发器120可包括多个收发器，以便使wtru 102能够经由多种rat(诸如nr和ieee 802.11)进行通信。
[0046]
wtru 102的处理器118可耦合到扬声器/麦克风124、小键盘126和/或显示器/触摸板128(例如，液晶显示器(lcd)显示单元或有机发光二极管(oled)显示单元)并且可从其接收用户输入数据。处理器118还可将用户数据输出到扬声器/麦克风124、小键盘126和/或显示器/触摸板128。此外，处理器118可从任何类型的合适存储器(诸如不可移动存储器130和/或可移动存储器132)访问信息，并且将数据存储在任何类型的合适存储器中。不可移动存储器130可包括随机存取存储器(ram)、只读存储器(rom)、硬盘或任何其他类型的存储器存储设备。可移动存储器132可包括用户身份模块(sim)卡、记忆棒、安全数字(sd)存储卡等。在其他实施方案中，处理器118可从未物理上定位在wtru 102上(诸如，服务器或家用计算机(未示出)上)的存储器访问信息，并且将数据存储在该存储器中。
[0047]
处理器118可从电源134接收电力并可被配置为向wtru 102中的其他部件分配和/或控制电力。电源134可以是用于为wtru 102供电的任何合适的设备。例如，电源134可包括一个或多个干电池组(例如，镍镉(nicd)、镍锌(nizn)、镍金属氢化物(nimh)、锂离子(li-ion)等)、太阳能电池、燃料电池等。
[0048]
处理器118还可耦合到gps芯片组136，该gps芯片组可被配置为提供关于wtru 102的当前位置的位置信息(例如，经度和纬度)。除了来自gps芯片组136的信息之外或代替该信息，wtru 102可通过空中接口116从基站(例如，基站114a、114b)接收位置信息和/或基于从两个或更多个附近基站接收到信号的定时来确定其位置。应当理解，在与实施方案保持
一致的同时，该wtru 102可通过任何合适的位置确定方法来获取位置信息。
[0049]
处理器118还可耦合到其他外围设备138，该其他外围设备可包括提供附加特征、功能和/或有线或无线连接的一个或多个软件模块和/或硬件模块。例如，外围设备138可包括加速度计、电子指南针、卫星收发器、数字相机(用于照片和/或视频)、通用串行总线(usb)端口、振动设备、电视收发器、免提耳麦、模块、调频(fm)无线电单元、数字音乐播放器、媒体播放器、视频游戏播放器模块、互联网浏览器、虚拟现实和/或增强现实(vr/ar)设备、活动跟踪器等。外围设备138可包括一个或多个传感器，该传感器可为以下中的一者或多者：陀螺仪、加速度计、霍尔效应传感器、磁力计、方位传感器、接近传感器、温度传感器、时间传感器；地理位置传感器；测高计、光传感器、触摸传感器、磁力计、气压计、手势传感器、生物识别传感器和/或湿度传感器。
[0050]
wtru 102可包括全双工无线电台，对于该全双工无线电台，一些或所有信号的传输和接收(例如，与用于ul(例如，用于传输)和下行链路(例如，用于接收)的特定子帧相关联)可为并发的和/或同时的。全双工无线电台可包括干扰管理单元139，该干扰管理单元用于经由硬件(例如，扼流圈)或经由处理器(例如，单独的处理器(未示出)或经由处理器118)进行的信号处理来减少和/或基本上消除自干扰。在一个实施方案中，wtru 102可包括半双工无线电台，对于该半双工无线电台，一些或所有信号的传输和接收(例如，与用于ul(例如，用于传输)或下行链路(例如，用于接收)的特定子帧相关联)。
[0051]
图1c是示出根据实施方案的ran 104和cn 106的系统图。如上所述，ran 104可采用e-utra无线电技术通过空中接口116与wtru 102a、102b、102c通信。ran 104还可以与cn 106通信。
[0052]
ran 104可包括enode-b 160a、160b、160c，但是应当理解，在与实施方案保持一致的同时，ran 104可包括任何数量的enode-b。enode-b160a、160b、160c各自可包括一个或多个收发器以便通过空中接口116与wtru 102a、102b、102c通信。在实施方案中，enode-b 160a、160b、160c可实现mimo技术。因此，enode-b 160a例如可使用多个天线来向wtru 102a发射无线信号和/或从wtru 102a接收无线信号。
[0053]
enode-b 160a、160b、160c中的每一者可与特定小区(未示出)相关联，并且可被配置为处理无线电资源管理决策、切换决策、ul和/或dl中的用户的调度等。如图1c所示，enode-b 160a、160b、160c可通过x2接口彼此通信。
[0054]
图1c所示的cn 106可包括移动性管理实体(mme)162、服务网关(sgw)164和分组数据网络(pdn)网关(或pgw)166。虽然前述元件中的每一者被描绘为cn 106的一部分，但应当理解，这些元件中的任何元件可由除cn运营商之外的实体拥有和/或操作。
[0055]
mme 162可经由s1接口连接到ran 104中的enode-b 162a、162b、162c中的每一者，并且可用作控制节点。例如，mme 162可负责认证wtru 102a、102b、102c的用户、承载激活/去激活、在wtru 102a、102b、102c的初始附加期间选择特定服务网关等。mme 162可提供用于在ran 104和采用其他无线电技术(诸如gsm和/或wcdma)的其他ran(未示出)之间进行切换的控制平面功能。
[0056]
sgw 164可经由s1接口连接到ran 104中的演进节点b 160a、160b、160c中的每一者。sgw 164通常可向/从wtru 102a、102b、102c路由和转发用户数据分组。sgw 164可执行其他功能，诸如在演进节点b间切换期间锚定用户平面、当dl数据可用于wtru 102a、102b、
102c时触发寻呼、管理和存储wtru 102a、102b、102c的上下文等。
[0057]
sgw 164可连接到pgw 166，该pgw可向wtru 102a、102b、102c提供对分组交换网络(诸如互联网110)的访问，以促进wtru 102a、102b、102c和启用ip的设备之间的通信。
[0058]
cn 106可促进与其他网络的通信。例如，cn 106可为wtru 102a、102b、102c提供对电路交换网络(诸如，pstn 108)的访问，以有利于wtru 102a、102b、102c与传统陆线通信设备之间的通信。例如，cn 106可包括用作cn 106与pstn 108之间接口的ip网关(例如，ip多媒体子系统(ims)服务器)或者可与该ip网关通信。另外，cn 106可以向wtru 102a、102b、102c提供对其他网络112的接入，该其他网络可包括由其他服务提供商拥有和/或运营的其他有线和/或无线网络。
[0059]
尽管wtru在图1a至图1d中被描述为无线终端，但是可以设想到，在某些代表性实施方案中，这种终端可(例如，临时或永久)使用与通信网络的有线通信接口。
[0060]
在代表性实施方案中，其他网络112可为wlan。
[0061]
处于基础结构基本服务集(bss)模式的wlan可具有用于bss的接入点(ap)以及与ap相关联的一个或多个站点(sta)。ap可具有至分发系统(ds)或将流量携带至和/或携带流量离开bss的另一种类型的有线/无线网络的接入或接口。源自bss外部并通向sta的流量可通过ap到达并且可被传递到sta。源自sta并通向bss外部的目的地的流量可被发送到ap以被传递到相应目的地。bss内的sta之间的流量可通过ap发送，例如，其中源sta可向ap发送流量，并且ap可将流量传递到目的地sta。bss内的sta之间的流量可被视为和/或称为点对点流量。可利用直接链路建立(dls)在源和目的地sta之间(例如，直接在它们之间)发送点对点流量。在某些代表性实施方案中，dls可使用802.11e dls或802.11z隧道dls(tdls)。使用独立bss(ibss)模式的wlan可不具有ap，并且ibss内或使用ibss的sta(例如，所有sta)可彼此直接通信。ibss通信模式在本文中有时可称为“ad-hoc”通信模式。
[0062]
当使用802.11ac基础结构操作模式或相似操作模式时，ap可在固定信道(诸如主信道)上发射信标。主信道可为固定宽度(例如，20mhz宽带宽)或经由信令动态设置的宽度。主信道可为bss的操作信道，并且可由sta用来建立与ap的连接。在某些代表性实施方案中，例如在802.11系统中可实现载波侦听多路访问/冲突避免(csma/ca)。对于csma/ca，sta(例如，每个sta)(包括ap)可侦听主信道。如果主信道被特定sta侦听/检测和/或确定为繁忙，则特定sta可退避。一个sta(例如，仅一个站)可在给定bss中在任何给定时间发射。
[0063]
高吞吐量(ht)sta可使用40mhz宽的信道进行通信，例如，经由主20mhz信道与相邻或不相邻的20mhz信道的组合以形成40mhz宽的信道。
[0064]
极高吞吐量(vht)sta可支持20mhz、40mhz、80mhz和/或160mhz宽的信道。40mhz和/或80mhz信道可通过组合连续的20mhz信道来形成。可通过组合8个连续的20mhz信道，或通过组合两个非连续的80mhz信道(这可被称为80+80配置)来形成160mhz信道。对于80+80配置，在信道编码之后，数据可通过可将数据分成两个流的段解析器。可单独地对每个流进行快速傅里叶逆变换(ifft)处理和时间域处理。可将这些流映射到两个80mhz信道，并且可通过发射sta来发射数据。在接收sta的接收器处，可颠倒上述用于80+80配置的操作，并且可将组合的数据发送到介质访问控制(mac)。
[0065]
802.11af和802.11ah支持低于1ghz的操作模式。相对于802.11n和802.11ac中使用的那些，802.11af和802.11ah中减少了信道操作带宽和载波。802.11af支持电视白空间
(tvws)频谱中的5mhz、10mhz和20mhz带宽，并且802.11ah支持使用非tvws频谱的1mhz、2mhz、4mhz、8mhz和16mhz带宽。根据代表性实施方案，802.11ah可支持仪表类型控制/机器类型通信，诸如宏覆盖区域中的mtc设备。mtc设备可具有某些能力，例如有限的能力，包括支持(例如，仅支持)某些带宽和/或有限的带宽。mtc设备可包括电池寿命高于阈值(例如，以保持非常长的电池寿命)的电池。
[0066]
可支持多个信道的wlan系统以及诸如802.11n、802.11ac、802.11af和802.11ah之类的信道带宽包括可被指定为主信道的信道。主信道可具有等于由bss中的所有sta支持的最大公共操作带宽的带宽。主信道的带宽可由来自在bss中操作的所有sta的sta(其支持最小带宽操作模式)设置和/或限制。在802.11ah的示例中，对于支持(例如，仅支持)1mhz模式的sta(例如，mtc型设备)，主信道可为1mhz宽，即使ap和bss中的其他sta支持2mhz、4mhz、8mhz、16mhz和/或其他信道带宽操作模式。载波侦听和/或网络分配向量(nav)设置可取决于主信道的状态。如果主信道繁忙，例如，由于sta(仅支持1mhz操作模式)正在向ap传输，即使大多数频段保持空闲并且可能可用，整个可用频段也可被视为繁忙。
[0067]
在美国，可供802.11ah使用的可用频带为902mhz至928mhz。在韩国，可用频带为917.5mhz至923.5mhz。在日本，可用频带为916.5mhz至927.5mhz。802.11ah可用的总带宽为6mhz至26mhz，具体取决于国家代码。
[0068]
图1d是示出根据实施方案的ran 113和cn 115的系统图。如上文所指出，ran 113可采用nr无线电技术以通过空中接口116与wtru 102a、102b、102c通信。ran 113还可以与cn 115通信。
[0069]
ran 113可包括gnb 180a、180b、180c，但将了解，在与实施方案保持一致的同时，ran 113可包括任何数量的gnb。gnb 180a、180b、180c各自可包括一个或多个收发器以便通过空中接口116与wtru 102a、102b、102c通信。在实施方案中，gnb 180a、180b、180c可实现mimo技术。例如，gnb 180a、180b可利用波束成形来向gnb 180a、180b、180c传输信号和/或从gnb 180a、180b、180c接收信号。因此，gnb 180a例如可使用多个天线来向wtru 102a发射无线信号和/或从wtru 102a接收无线信号。在实施方案中，gnb 180a、180b、180c可实现载波聚合技术。例如，gnb 180a可向wtru 102a(未示出)发射多个分量载波。这些分量载波的子集可在免许可频谱上，而其余分量载波可在许可频谱上。在实施方案中，gnb 180a、180b、180c可实现被协调的多点(comp)技术。例如，wtru 102a可从gnb 180a和gnb 180b(和/或gnb 180c)接收被协调的发射。
[0070]
wtru 102a、102b、102c可使用与可扩展参数集相关联的发射来与gnb 180a、180b、180c通信。例如，ofdm符号间隔和/或ofdm子载波间隔可因不同发射、不同小区和/或无线发射频谱的不同部分而变化。wtru 102a、102b、102c可使用各种或可扩展长度的子帧或传输时间间隔(tti)(例如，包含不同数量的ofdm符号和/或持续变化的绝对时间长度)来与gnb 180a、180b、180c通信。
[0071]
gnb 180a、180b、180c可被配置为以独立配置和/或非独立配置与wtru 102a、102b、102c通信。在独立配置中，wtru 102a、102b、102c可与gnb 180a、180b、180c通信，同时也不访问其他ran(例如，诸如enode-b 160a、160b、160c)。在独立配置中，wtru 102a、102b、102c可将gnb 180a、180b、180c中的一者或多者用作移动性锚定点。在独立配置中，wtru 102a、102b、102c可在未许可频带中使用信号与gnb 180a、180b、180c通信。在非独立配置
中，wtru 102a、102b、102c可与gnb 180a、180b、180c通信或连接，同时也与其他ran(诸如，enode-b 160a、160b、160c)通信或连接。例如，wtru 102a、102b、102c可实现dc原理以基本上同时与一个或多个gnb 180a、180b、180c和一个或多个enode-b 160a、160b、160c通信。在非独立配置中，enode-b 160a、160b、160c可用作wtru 102a、102b、102c的移动性锚点，并且gnb 180a、180b、180c可提供用于服务wtru 102a、102b、102c的附加覆盖和/或吞吐量。
[0072]
gnb 180a、180b、180c中的每一者可与特定小区(未示出)相关联，并且可被配置为处理无线电资源管理决策、切换决策、ul和/或dl中的用户的调度、网络切片的支持、双连接、nr和e-utra之间的互通、用户平面数据朝向用户平面功能(upf)184a、184b的路由、控制平面信息朝向接入和移动性管理功能(amf)182a、182b的路由等。如图1d所示，gnb 180a、180b、180c可通过xn接口彼此通信。
[0073]
图1d中所示出的cn 115可包括至少一个amf 182a、182b、至少一个upf 184a、184b、至少一个会话管理功能(smf)183a、183b以及可能的数据网络(dn)185a、185b。虽然前述元件中的每个元件描绘为cn 115的一部分，但应当理解，这些元件中的任一个元件可由除cn运营商之外的实体拥有和/或运营。
[0074]
amf 182a、182b可经由n2接口连接到ran 113中的gnb 180a、180b、180c中的一者或多者，并且可用作控制节点。例如，amf 182a、182b可负责认证wtru 102a、102b、102c的用户、网络切片的支持(例如，具有不同要求的不同协议数据单元(pdu)会话的处理)、选择特定smf 183a、183b、注册区域的管理、(非接入层)(nas)信令的终止、移动性管理等。amf 182a、182b可使用网络切片，以便基于wtru 102a、102b、102c所使用的服务的类型来为wtru 102a、102b、102c定制cn支持。例如，可针对不同的用例(诸如，依赖超高可靠低延迟(urllc)接入的服务、依赖增强型移动宽带(embb)接入的服务、用于机器类型通信(mtc)接入的服务等)建立不同的网络切片。amf 162可提供用于在ran113与采用其他无线电技术(诸如lte、lte-a、lte-a pro和/或非3gpp接入技术(诸如wifi))的其他ran(未示出)之间切换的控制平面功能。
[0075]
smf 183a、183b可经由n11接口连接到cn 115中的amf 182a、182b。smf 183a、183b还可经由n4接口连接到cn 115中的upf 184a、184b。smf 183a、183b可选择并控制upf 184a、184b，并且配置通过upf 184a、184b进行的流量路由。smf 183a、183b可执行其他功能，诸如管理和分配wtru/ue ip地址、管理pdu会话、控制策略实施和qos、提供下行链路数据通知等。pdu会话类型可以是基于ip的、非基于ip的、基于以太网的等。
[0076]
upf 184a、184b可经由n3接口连接到ran 113中的gnb 180a、180b、180c中的一者或多者，这些gnb可以向wtru 102a、102b、102c提供对分组交换网络(诸如互联网110)的接入，以有利于在wtru 102a、102b、102c与启用ip的设备之间的通信。upf 184、184b可执行其他功能，诸如路由和转发分组、实施用户平面策略、支持多宿主pdu会话、处理用户平面qos、缓冲下行链路分组、提供移动性锚定等。
[0077]
cn 115可有利于与其他网络的通信。例如，cn 115可包括用作cn 115与pstn 108之间的接口的ip网关(例如，ip多媒体子系统(ims)服务器)或者可与该ip网关通信。另外，cn 115可以向wtru 102a、102b、102c提供对其他网络112的接入，该其他网络可包括由其他服务提供商拥有和/或运营的其他有线和/或无线网络。在一个实施方案中，wtru 102a、102b、102c可通过upf 184a、184b经由至upf 184a、184b的n3接口以及upf 184a、184b与本
地数据网络(dn)185a、185b之间的n6接口连接到dn 185a、185b。
[0078]
鉴于图1a至图1d以及图1a至图1d的对应描述，本文针对以下一者或多者描述的一个或多个或所有功能可由一个或多个仿真设备(未示出)执行：wtru 102a-d、基站114a-b、enode-b 160a-c、mme 162、sgw 164、pgw 166、gnb 180a-c、amf 182a-ab、upf 184a-b、smf 183a-b、dn 185a-b和/或本文所述的任何一个或多个其他设备。仿真设备可以是被配置为模仿本文所述的一个或多个或所有功能的一个或多个设备。例如，仿真设备可用于测试其他设备和/或模拟网络和/或wtru功能。
[0079]
仿真设备可被设计为在实验室环境和/或运营商网络环境中实现其他设备的一个或多个测试。例如，该一个或多个仿真设备可执行一个或多个或所有功能，同时被完全或部分地实现和/或部署为有线和/或无线通信网络的一部分，以便测试通信网络内的其他设备。该一个或多个仿真设备可执行一个或多个功能或所有功能，同时临时被实现/部署为有线和/或无线通信网络的一部分。仿真设备可直接耦合到另一个设备以用于测试目的和/或可使用空中无线通信来执行测试。
[0080]
该一个或多个仿真设备可执行一个或多个(包括所有)功能，同时不被实现/部署为有线和/或无线通信网络的一部分。例如，仿真设备可在测试实验室和/或非部署(例如，测试)有线和/或无线通信网络中的测试场景中使用，以便实现一个或多个部件的测试。该一个或多个仿真设备可为测试装备。经由rf电路(例如，其可包括一个或多个天线)进行的直接rf耦合和/或无线通信可由仿真设备用于发射和/或接收数据。
[0081]
本文提供的示例不限制主题对其他无线技术的适用性，例如，使用可能适用的相同或不同原理。
[0082]
如本文所解释的，无线发射接收单元(wtru)可以是用户装备(ue)的示例。因此，术语ue和wtru在本文中可互换使用。以下描述是出于示例性目的，并且并不旨在以任何方式限制本文中描述的方法对任何无线技术和/或在适用时对其他无线技术的适用性。本公开中的术语网络可指一个或多个gnb，该一个或多个gnb又可与一个或多个发射/接收点(trp)相关联；或可指无线电接入网络中的任何其他节点。
[0083]
人工智能(ai)和机器学习(ml)使用
[0084]
如先前所介绍，ai技术的可能应用是关于在大规模mimo应用中的csi反馈的挑战。具体地，大规模mimo系统的配置和控制可能需要大矩阵。以互操作的标准化手段通过现实信道实时训练自动编码器可使用本文中所公开的原理实现。本文描述的方法是基于无线通信系统中的学习来举例说明的。这些方法不限于此类场景、系统和服务，并且可应用于任何类型的发射和/或服务等。
[0085]
用于在线训练ai分量的方法
[0086]
wtru可以配置有通过无线信道通信地链接到远程ai分量的ai分量。本文中，分量是执行函数的项，并且可以包括可用于实现该函数的硬件、软件和/或固件部分。因此，在一个实施方案中，ai分量可以是执行设备内一个或多个函数的特定设备的软件模块。在一种解决方案中，wtru处的ai分量可以对应于编码器函数，并且远程ai分量可以是解码器函数。在另一示例中，wtru处的ai分量可以对应于解码器函数，并且远程ai分量可以是编码器函数。在一种方法中，ai分量可以是ml模型。可能地，ml模型可以至少部分地包括深度神经网络。在一个示例性实现中，可耦接本文的编码器和解码器以形成自动编码器架构。
[0087]
在一种解决方案中，ai分量可以位于wtru中，并且远程ai分量可以位于网络中。例如，远程ai分量可以与网络中的调度函数并置。例如，远程ai分量可与以下中的一者或多者并置：基站(诸如gnb或其他网络控制器)、分布式单元(du)、集中式单元(cu)、边缘服务器、边缘云或任何其他网络节点。为了举例说明一些解决方案，csi反馈在下文中描述为示例。应当注意，本文描述的解决方案适用于任何函数/程序。为了举例说明一些解决方案，描述了wtru和网络实体(诸如基站或gnb)以及它们的交互。应当注意，本文描述的解决方案也适用于wtru和其他网络实体(诸如远程wtru)交互。如本文中所提及的，术语wtru可以解释为本地wtru或第一wtru，并且示例性网络实体可以是诸如gnb的基站，或者经由诸如无线连接的网络连接可访问的远程wtru或第二wtru。在以下一个示例性描述中，wtru(第一或本地wtru)可以包含也可称为本地ai分量的第一ai分量。网络实体(基站或远程wtru)可以包含也可称为远程ai分量的第二ai分量。在一个示例性实例中，第一ai分量(本地ai分量)可以分别经由本地wtru和远程wtru(或基站)的网络实体与第二ai分量(远程ai分量)通信。
[0088]
离线学习
[0089]
术语“离线训练”或“离线学习”可指使用训练数据确定和/或调整ai分量的可学习参数(例如，机器学习模型的权重和/或偏差)的动作，可能从信道模型的模拟或从真实世界测量的采样创建的数据集可合成地创建该训练数据。假设此类训练在wtru实现期间完成。
[0090]
在线学习
[0091]
术语“在线训练”或“在线学习”可以指使用训练数据确定和/或调整ai分量(例如，机器学习模型的权重和/或偏差)的动作，该训练数据至少部分地基于以下一者或多者来创建：信道测量(参考信号接收功率(rsrp)、参考信号接收质量(rsrq)、信噪干扰比(sinr)、误块率(bler)等)、干扰测量、与数据相关联的接收信号、来自网络(nw)的控制信令、wtru/nw反馈、协议状态、协议状态/变量、协议数据单元(pdu)报头/数据等。在线学习可以通过执行通信的实际信道实时执行。
[0092]
给定n个信道实现{h1,
…
,hn}的训练数据，其中每个信道实现是复张量，其可以通过堆叠实部和虚部而转换成实数值张量以获得其中是信道张量h1的实部和虚部。wtru(诸如如上所述的本地wtru或第一wtru)可以配置有与自动编码器相关联的编码器分量e。编码器e可以由表征；对应于ai分量的学习的参数(例如，权重和/或偏差)。wtru可以使用以下中的一种或多种方法配置有学习的参数：单播无线电资源控制(rrc)信令、从广播信令获取、基于训练程序的结果确定等等。wtru可以被配置为使用自动编码器的编码器分量e基于信道张量h的潜在表示导出压缩张量zh。例如，可以确定潜在压缩向量(示例性潜在表示)如下：
[0093][0094]
wtru可以被配置为基于对应于压缩信道张量zh或其处理版本的编码器的输出发射csi反馈。这个压缩张量通过反馈信道发射到gnb，其中解码器部分用于获得信道实部和虚部如下：
[0095][0096]
其中可以对应于与解码器分量相关联的学习的参数。在解决方案中，学习的
参数可以基于以下准则计算
[0097][0098]
对于给定张量x，l2平方范数指张量x的项的绝对值的平方和。
[0099]
用于在线训练的wtru触发
[0100]
监控与ai分量相关联的准则的wtru基于预配置的触发条件发起在线训练
[0101]
wtru可以被配置为确定与ai分量的运行相关联的性能度量。wtru可以被配置为相对于一个或多个预配置的准则监控/评估ai分量的性能度量。wtru可以被配置为基于一个或多个触发条件发起在线训练和/或微调程序。示例性触发条件可以是ai分量的性能度量变得比预配置的准则更差。在一些方法中，wtru可以配置有基于以下中的一者或多者的不同的性能度量和/或触发条件：编码器/解码器分量的放置、wtru能力、wtru功率节省状态、函数/程序的关键性、qos等。
[0102]
wtru处的远程ai分量
[0103]
wtru可以配置有ai分量和远程ai分量或其部分
[0104]
在一种解决方案中，wtru可配置有ai分量和远程ai分量。在另一种解决方案中，wtru可以配置有远程ai分量的一部分。wtru可以被配置为基于远程ai分量处理的至少一个方面确定与ai分量相关联的性能度量。wtru可以被配置为基于ai分量和远程ai分量处理的组合确定性能度量。
[0105]
wtru可以被配置为在重构损失高于预配置的阈值时发起在线训练
[0106]
在一个示例性实现中，wtru可以配置有编码器分量以压缩信道状态信息。wtru还可配置有wtru处的解码器分量。wtru可以预配置有重构损失函数，该重构损失函数可以是以下中的一者或多者的函数：
[0107]-与编码器分量相关联的属性：在解决方案中，重构损失可以基于编码器分量的学习的参数。例如，学习的参数可以包括自动编码器架构的编码器部分的权重和/或偏差。
[0108]-与解码器分量相关联的属性：在解决方案中，重构损失可基于解码器分量的学习的参数。例如，学习的参数可以包括自动编码器架构的解码器部分的权重和/或偏差。
[0109]-与潜在空间相关联的属性：在解决方案中，损失函数可以基于自动编码器架构的潜在表示。
[0110]-与时间窗口配置相关联的方面：在解决方案中，wtru可以被配置为在时间窗口上监控解码器分量的输出。重构损失可以是编码器输入与解码器输出之间的差的函数。可能地，重构损失可以在时间窗口上取平均。可能地，该时间窗口可以是滑动窗口。
[0111]
例如，wtru可以被配置为监控针对过去t个信道实现在时间t的平均重构损失：
[0112][0113]
wtru可以被配置为在q(t)》∈时触发在线训练，其中∈》0。在以下方法中的一种或多种方法中，wtru可以预配置有∈的值：
[0114]-基于rrc配置；例如，∈的值可以包括在或链接到csi配置
[0115]-基于mac c35e配置；例如，∈的值也可以包括在csi资源集的激活/去激活中
[0116]-基于dci指示；例如，与非周期请求相关联的dci还可以携带∈的值的指示。
[0117]
wtru处的分类/预测模型
[0118]
wtru可以配置有ai分量以监控/评估/测试另一ai分量的运行/性能
[0119]
在一种解决方案中，wtru可以配置有ai分量和相关联的监控ai分量。监控ai分量可被配置为评估/确定ai分量的性能。wtru可以被配置为基于监控ai分量的结果发起在线训练程序。例如，监控ai分量可以是执行分类任务的ml模型。可能地，分类任务可区分ai分量的输出可导致性能高于还是低于阈值。可能地，分类任务可区分远程ai分量的输出可导致性能高于还是低于阈值。在另一示例中，监控ai分量可以是执行预测任务的ml模型。可能地，预测任务可以涉及预测ai分量和/或远程ai分量的性能度量。
[0120]
在一种解决方案中，监控ai分量可期望被配置为空间高效的。例如，监控ai分量可能需要比解码器ai分量更少的存储器/存储要求。在解决方案中，监控ai分量可期望被配置为处理高效的。例如，监控ai分量可以有低复杂度并且需要比解码器ai分量更少的操作。另外，监控ai分量可减少开销量，因为不需要在远程ai分量之间交换解码器权重。
[0121]
wtru可以基于监控ai分量的结果发起在线训练程序
[0122]
wtru可以被配置为基于第二ai分量的结果发起针对第一ai分量的训练。例如，第一ai分量可以是用于自动编码器架构的编码器分量，并且相关ai分量可以是与编码器分量相关联的监控分量。可能地，可以隐式地或显式地配置ai分量之间的链接。例如，监控ai分量可配置有编码器分量的输出作为输入。例如，监控ai分量可配置有编码器分量的输入作为附加或替代的输入。例如，监控分量配置可以是与编码器分量相关联的训练数据的函数。例如，监控分量的输出可用于确定是否需要(重新)训练编码器分量。例如，监控ai分量可输出编码器和/或解码器性能低于阈值的概率。如果概率大于预配置的阈值或值，则wtru可以发起训练。
[0123]
在wtru处用于确定信道矩阵是否与训练数据显著不同的低复杂度ml模型，或者等效地，用于分类/预测信道矩阵是否将导致nw处的解压缩中显著误差的低复杂度ml模型。低复杂度ml模型的示例在下面示出：
[0124][0125]
其中和分别是训练数据的信道实现的潜在表示的平均向量和协方差矩阵。如果f(t)》τ，其中τ可以是针对wtru预配置的，则wtru可以被配置为发起在线训练。wtru可以被配置为根据ai分量的学习结果更新平均向量和协方差矩阵的值和
[0126]
隐式/显式触发和报告
[0127]
wtru可被配置为发射与ai分量的状态相关联的指示
[0128]
wtru可以被配置为在满足在线训练的一个或多个触发条件时向网络发射指示。可能地，该指示被配置为调度请求。可能地，用于调度请求的资源可以被专门配置用于在线训练的指示。可能地，调度请求的优先级可以被配置为最高。可能地，可以动态配置调度请求
的优先级。例如，该状态可以包括但不限于：有可能以与阈值的偏移表达的平均构造损失，在时间窗口内重构损失高于阈值的样本数目等。
[0129]
wtru可以被配置为周期性地、半持续地或周期性地或者基于预配置的触发向nw报告重构损失
[0130]
wtru可以被配置为向网络发射重构损失。在一个解决方案中，此类报告可被配置为周期性地发生。wtru可以被配置为在物理上行链路控制信道(pucch)资源上报告重构损失。在一种解决方案中，wtru可以被配置为在预配置的资源上发射调度请求。在另一种解决方案中，报告可被配置为半持续地发生。可能地，介质访问控制-控制元素(mac ce)信令可以用于激活/去激活半持续报告。wtru可以被配置为基于来自nw的非周期性请求报告重构损失。可能地，下行链路控制信息(dci)或其中的几个比特可以指示对重构损失的非周期性报告的请求。在另一种解决方案中，wtru可以被配置为基于预配置的触发报告重构损失。例如，触发条件可基于高于阈值的重构损失的量值。
[0131]
在以上一个或多个解决方案中，可以报告重构损失的量化形式。可能地，重构损失被划分为不同范围，并且wtru可以被配置为指示与不同范围相关联的逻辑标识。
[0132]
以上一个或多个解决方案也可以应用于报告来自监控ai分量而不是重构损失的输出。
[0133]
wtru可以根据学习的参数更新调节在线训练的周期性
[0134]
在一种解决方案中，wtru可以被配置为基于计时器的期满执行在线训练。可能地，此类计时器可以实现ai分量的周期性在线训练。可能地，计时器的值可以是预配置的。可能地，可以动态地调节计时器的值。例如，wtru可以被配置为根据信道条件的改变率调节计时器。在一个解决方案中，wtru可以被配置为根据学习的参数更新的统计调节计时器的值。例如，当权重更新的量值和/或权重更新的数目低于阈值时，wtru可以不频繁地执行在线训练(即，递增计时器的值)。例如，当权重更新的量值和/或权重更新的数目高于阈值时，wtru可以频繁地执行在线训练(即，递减计时器的值)。可能地，在线训练的周期性可以是重构损失的量值的函数。可能地，在线训练的周期性可以是非连续接收(drx)状态和/或wtru的配置的函数。可能地，在线训练的周期性可以是wtru移动性状态和/或wtru的配置的函数。
[0135]
wtru可以配置有禁止计时器以控制在线训练的频率
[0136]
在一种解决方案中，wtru可以被配置为在发起在线训练时启动计时器。在另一种解决方案中，wtru可以被配置为在成功完成在线训练时启动计时器。可能地，此类计时器可以对应于禁止计时器。可能地，wtru可以被配置为在计时器运行时不发起在线训练程序。可能地，wtru可以被配置为在禁止计时器期满时评估用于在线训练的触发。
[0137]
在线训练的程序
[0138]
wtru可以被配置为基于以上在标题为“用于在线训练的wtru触发”的章节中描述的一个或多个触发条件发起在线训练程序。
[0139]
在一种解决方案中，在线训练程序可以是微调程序。例如，微调预先存在的模型以实现更好的性能/准确度。可能地，预先存在的模型可以是离线训练的模型。可能地，预先存在的模型可以是参考模型。可能地，预先存在的模型可以是先前在线训练的模型。
[0140]
在一种解决方案中，在线训练程序可以是(重新)训练程序。例如，此类(重新)训练程序可用于训练新的和先前未训练的模型。可能地，可以基于试探法/初始化函数用权重
和/或偏差初始化模型，其中初始化函数可以确保以预配置的值限定的权重的预定义分布(例如，均匀或正态分布)。
[0141]
基于wtru的反向传播
[0142]
反向传播是计算关于神经网络的可学习参数的损失函数的梯度的过程，该过程从最后一层通过神经网络反向前进到第一层。在一种方法中，wtru(诸如第一wtru或本地wtru)可以配置有远程ai分量的本地副本，该本地副本主要驻留在诸如基站(例如，gnb或网络中的其他控制器)或远程wtru的网络实体中。wtru可以被配置为利用远程ai分量的至少一个方面执行在线训练。wtru可以被配置为在ai分量和远程ai分量上执行反向传播。wtru可以被配置为更新ai分量的学习的参数。wtru可以被配置为向诸如基站或远程wtru的网络实体报告更新的远程ai分量。
[0143]
确定和处理训练数据的wtru程序
[0144]
wtru可以被配置为基于预定义的准则确定训练数据。例如，wtru可以被配置为针对如以上标题为“在wtru处的远程ai分量”的章节中定义的重构损失准则监控t信道测量的移动窗口。wtru可以将触发平均重构损失超过阈值的t个样本视为训练数据。t的值可以由网络预定义或预配置。在另一示例中，wtru可以被配置为使用t个最新样本作为用于非周期性、周期性和/或半持续训练程序的训练数据。例如，wtru可以接收用于训练的非周期性请求，其中该非周期性请求可以配置t的值。
[0145]
被配置为对训练和参考数据样本的混合执行训练的wtru
[0146]
在一种解决方案中，wtru可以预配置有一组r个参考信道实现。可能地，此类r个参考信道实现可以是针对wtru预定义和/或预配置的。可能地，此类r个参考信道实现由网络例如经由rrc信令显式地配置。可能地，多个r参考信道集可以是预配置的，并且wtru可以被配置为通过rrc、mac ce或dci信令激活或去激活特定参考信道集。可能地，基于预定义的准则确定参考信道实现。可能地，此类准则可以包括涉及自动编码器的不同层中的激活/梯度的至少一个方面。可能地，该准则可以包括选择触发高于或低于阈值的激活/梯度的样本。
[0147]
wtru被配置为获取解码器权重
[0148]
在一种解决方案中，wtru可配置有解码器权重。wtru可以被配置为(重新)获取最新的解码器权重。可能在确定wtru具有过时版本的解码器权重时。可能地，wtru可以从来自网络的隐式/显式指示确定wtru处的解码器权重是否过时。可能地，此类指示可以像切换比特(例如，新数据指示符(ndi)比特等)建模。wtru可以被配置为利用解码器权重的至少一个方面执行在线训练。wtru可以被配置为在解码器和编码器分量上执行反向传播。wtru可以被配置为基于在线训练更新学习的参数(例如，编码器和解码器权重)。wtru可以被配置为向网络实体报告更新的解码器权重。
[0149]
在线训练的配置方面
[0150]
wtru可配置有与在线训练相关联的一个或多个超参数。例如，超参数可以与训练程序相关联和/或与模型架构相关联。例如，wtru可以配置有包括但不限于以下的超参数：
[0151]-学习率；可以确定梯度更新的大小的标量。例如，在每次迭代期间，可学习参数可能受到学习率与梯度的乘积影响。
[0152]-小批大小；在单次训练迭代中运行的整批训练数据的随机选择的子集
[0153]-时元：时元是整个训练数据集上使得每个示例已见过一次的完整训练通路。
[0154]-优化算法
[0155]-隐藏层、隐藏单元、激活函数等的数目。
[0156]
在一种解决方案中，wtru可以被配置为根据一个或多个准则调节与在线训练相关联的至少一个参数。例如，wtru可以被配置为基于重构损失的量值调节学习率。
[0157]
wtru可以配置有与经由rrc配置的在线训练相关联的学习参数。在一种解决方案中，wtru可以配置有多个配置集，每个集包含以上提及的学习参数。并且mac ce/dci信令可以用于激活和/或去激活特定配置。可能地，用于激活/去激活配置的mac ce/dci可以响应于重构损失的wtru指示或与ai分量相关联的状态的指示。可能地，用于激活配置的mac ce/dci可以触发wtru执行在线训练。
[0158]
图2是包括在线训练的各方面的wtru 210至网络设备(网络实体)250配置的描绘200。在图2中，wtru(本地wtru)210包括作为第一ai分量214的编码器214以及解码器的副本216(网络实体解码器254的副本)连同监控函数218(监控分量)。wtru 210访问信道实现h
real
,h
img
212作为具有实部和虚部的复张量。wtru 210经由到包括解码器254的实例的网络设备250的无线链路通信。在一种方法中，使用图2的配置，(1)第一wtru 210访问信道张量212的实部和虚部，(2)wtru 210分别执行通过编码器214和解码器216的前向通路和反向传播通路，(3)wtru经由监控函数218(监控分量)更新权重，并且(4)wtru 210将更新的解码器权重发射到具有解码器254的网络设备250(网络实体或网络元件)以恢复或重构发射的信道张量的实部和虚部252。在示例200中，诸如基站或远程wtru的网络实体250从第一wtru 210接收针对第二ai分量254的更新。解码器254权重的更新分别从wtru 210中第一ai分量214和解码器的副本216的前向和反向传播通路产生。
[0159]
wtru如何确定训练完成
[0160]
在解决方案中，当基于一组训练数据计算时，wtru可以基于与损失函数相关联的条件确定训练完成。例如，wtru可以基于以下条件确定训练完成：
[0161][0162]
在一种解决方案中，wtru可以被配置为调整we和wd，使得以上函数l()最小化。
[0163]
在另一种解决方案中，wtru可以被配置为执行训练，直到值为l(we,wd；t)《μ，其中μ《∈。μ的值可以是预配置的。在解决方案中，μ的值可以是到∈的偏移。
[0164]
避免过拟合或忘记先前学习的手段
[0165]
在解决方案中，wtru可以配置有损失函数，该损失函数包括隐式地确保用于避免忘记来自先前训练的学习的手段的准则。例如，
[0166][0167]
其中是在训练由标题为“用于在线训练的wtru触发”的以上章节中的一个机制触发时的编码器和解码器的参数，是控制与的距离以确保
保留对训练集的执行的正则化参数。
[0168]
在另一种方法中，作为以上方法的补充或替代，wtru可以被配置为丢弃正则化，其中wtru可以针对单个梯度步骤移除对网络层中固定数目的单元的随机选择。
[0169]
被配置为基于准则确定成功训练的wtru
[0170]
在另一种解决方案中，当基于一组数据样本计算时，wtru可以基于与损失函数相关联的条件确定训练完成。可能地，该组数据样本可以包括以下中的一者或多者：训练数据、测试数据、训练和测试数据、测试数据和参考数据、训练和参考数据、训练、测试和参考数据。
[0171]
在又一种解决方案中，当以下两者都为真时，wtru可以确定训练完成：
[0172]-当基于该组训练数据计算时，与损失函数相关联的条件低于第一阈值，并且
[0173]-当基于该组测试数据计算时，与损失函数相关联的条件低于第二阈值。
[0174]
在另一种解决方案中，wtru可以基于时元的数目确定训练完成，其中时元的数目由网络预配置。wtru可以被配置为挑选导致训练和/或测试数据在配置数目的时元内的最低损失的最佳解码器权重。
[0175]
在另一种解决方案中，wtru可以基于计时器的期满确定训练完成，其中计时器的值由网络预配置。wtru可以被配置为挑选导致训练和/或测试数据在配置的训练时间内的最低损失的最佳解码器权重。
[0176]
在另一种解决方案中，wtru可以基于以下条件中的最早条件确定训练完成：损失函数低于阈值、计时器期满或预配置数目的时元的完成。
[0177]
被配置为指示完成在线训练的wtru
[0178]
wtru可以被配置为向nw指示在线训练的完成。wtru可以被配置为经由调度请求指示在线训练的完成。可能地，用于调度请求的资源可以专门配置用于这个目的。可能地，与在线训练的完成相关联的调度请求的优先级可以配置为最高。可能地，可以动态配置与在线训练的完成相关联的调度请求的优先级。可能地，wtru可以被配置为向网络发射训练的解码器权重。wtru可以配置有用于向网络发射解码器权重的配置的授权资源。
[0179]
被配置为基于来自网络的触发用本地在线训练结果更新ai分量的wtru
[0180]
当在线训练正在进行时，本地wtru可以被配置为使用其具有先前学习的参数的本地ai分量。也可能在完成在线训练之后的短时间段期间。wtru可以被配置为监控/测试来自网络的显式或隐式触发，以使用具有来自在线训练的更新的学习的参数的ai分量。可能地，触发可以基于在rrc信令、mac ce或dci中携带的显式指示。可能地，触发可以基于隐式触发，例如基于与远程ai分量的标识和/或版本相关联的指示。可能地，此类标识可以指示网络已经更新解码器权重并且wtru可以应用新的编码器权重。
[0181]
基于nw的反向传播
[0182]
wtru可以被配置为基于一个或多个触发向nw处的远程ai分量发射训练数据
[0183]
wtru可以被配置为基于以上在标题为“用于在线训练的wtru触发”的章节中描述的一个或多个触发条件向网络进行指示。wtru可以基于以上在标题为“用于在线训练的wtru触发”的章节中描述的一个或多个触发条件发起训练数据到远程ai分量的发射。
[0184]
图3是包括使用基于网络的反向传播的在线训练的各方面的网络至wtru配置的描绘。在图3中，wtru(本地wtru)310包括作为第一ai分量314的编码器314。wtru 310访问信道
实现h
real
,h
img
312作为具有实部和虚部的复张量。wtru 310经由到网络设备350的无线链路通信，该网络设备包括解码器354的实例和编码器314的副本356连同监控函数358以及由wtru 310发射的信道张量的实部和虚部352。在一种方法中，使用图3的配置，(1)网络设备350接收编码器权重和信道张量312的实部和虚部的估计的信道模型参数，(2)网络设备350分别执行通过解码器354和编码器356的前向通路和反向传播通路，并且使用监控/测试函数358协助更新编码器314应当具有的期望编码器权重，(3)网络设备350更新编码器356权重，并且(4)网络设备350将编码器权重发射到wtru 310，该wtru具有用于发射的信道张量的实部和虚部312的编码器314。在示例300中，由于在网络设备350中发生的前向通路和反向传播通路，第一或本地wtru 310可以接收编码器权重的更新。如此，网络实体中的第二ai分量354执行与编码器副本356的前向通路和反向传播。监控函数358可用于协助更新编码器314的权重。因此，第二ai分量354协助更新第一ai分量314。注意，监控器函数358和编码器副本356也可视为ai分量。
[0185]
wtru可配置有用于发射训练数据的一组资源。可能地，可以通过配置的授权配置资源。可能地，wtru可以接收激活与训练数据发射相关联的配置授权的mac ce。有可能响应于用于训练的触发条件的指示。在解决方案中，wtru可以配置有用于发射训练数据的特定无线电承载。可能地，无线电承载可以被配置为信令无线电承载。可能地，此类无线电承载的优先级可以是预配置的。
[0186]
在解决方案中，wtru可以被配置为执行与触发条件的ai分量相关联的一个或多个动作，如以上在标题为“用于在线训练的wtru触发”的章节中所描述。例如，wtru可以被配置为挂起本地ai分量的使用，直到从网络接收到激活命令为止。例如，wtru可以被配置为挂起本地ai分量的使用，直到从网络接收到更新的权重为止。
[0187]
wtru被配置为基于来自网络的触发用远程在线训练结果更新ai分量wtru可以被配置为接收与ai分量相关联的更新的学习的参数。可能地，为了下载ai分量的更新参数(例如，解码器权重/偏差)，wtru可以配置有配置授权。在解决方案中，wtru可以配置有用于下载的特定无线电承载。可能地，无线电承载可以被配置为信令无线电承载。可能地，此类无线电承载的优先级可以是预配置的。
[0188]
wtru可以被配置为使用旧的学习的参数，直到被显式地配置为更新本地ai分量。wtru可以被配置为监控来自网络的显式或隐式触发，以使用具有来自在线训练的更新的学习的参数的ai分量。可能地，触发可以基于在rrc信令、mac ce或dci中携带的显式指示。可能地，触发可以基于隐式触发，例如基于与远程ai分量的标识和/或版本相关联的指示。可能地，此类标识可以指示网络已经更新解码器权重并且wtru可以应用新的编码器权重。
[0189]
联合wtru和nw反向传播
[0190]
图4是包括使用联合wtru和网络反向传播的在线训练的各方面的设备到设备配置的描绘400。在图4中，wtru 410(第一或本地wtru)包括访问描述无线链路的参数的信道张量的实部和虚部h
real
,h
img
412的第一ai分量编码器414。编码器414能够执行部分前向通路以及部分反向传播通路。还假设类似于图2中的218的ai编码器监控函数/模块/分量的ai编码器监控函数/模块/分量为总体编码器410架构的部分。
[0191]
网络实体450(gnb或远程wtru)包括用于确定描述无线链路的参数的接收的信道张量的实部和虚部h
real
,h
img
452的第二ai分量解码器454。解码器454还能够执行部分前向
通路以及部分反向传播通路。还假设类似于图3中的358的ai解码器监控函数/模块/分量的ai解码器监控函数/模块/分量为总体解码器450架构的部分。
[0192]
图4中还示出了前向通路路径460和反向传播通路路径470。前向通路路径460可包括指示训练对(例如，到编码器的输入、编码器的输出)和特定解码器分量454的地址的消息。反向传播通路路径470可以包括指示编码器分量414的张量状态和地址的消息。
[0193]
在一个示例性方法中，使用图4的配置，(1)wtru 410发射沿前向通路路径460的一组编码的csi码点，该码点被指示为训练样本和作为目标的相关联的参考csi，(2)网络实体/设备450使用解码器454对接收的csi码点解码并且确定相对于参考csi的损失，(3)网络设备450通过对应的解码器454执行部分反向传播，(4)网络设备454通过解码器454沿对应于反向传播的反向传播路径470向wtru 410发射梯度，(5)wtru 410通过编码器414执行剩余反向传播，并且(6)网络设备450和wtru 410在同步的时间更新它们各自的权重。
[0194]
wtru(诸如410)可以被配置为在满足以上在标题为“用于在线训练的wtru触发”的章节中描述的一个或多个触发条件时执行下面的一个或多个动作。在解决方案中，一个wtru动作可以是执行联合ai分量和对等ai分量训练。例如，wtru可以被配置为针对一起构成自动编码器架构的本地编码器414和远程解码器454执行联合训练。可能地，此类训练可以通过实际无线信道在线执行。联合训练程序可避免在空中发射解码器和/或编码器权重，从而提供像减少开销和功耗的益处。
[0195]
wtru(诸如410)可以被配置为向对等ai分量454发射一对编码器输入和编码器输出中的一者或多者。可能地，可以使用第一组编码器权重确定编码器输入和输出对。wtru可以被配置为发射编码csi和相关联的参考csi，其中参考csi可以是未压缩的csi。可能地，编码csi可以用ul控制信道资源发射。可能地，wtru可配置有专门用于编码的csi发射的pucch资源。可能地，wtru可以被配置为附上与和物理上行链路共享控制信道(pusch)复用的训练数据相关联的uci。可能地，用于在联合训练期间发送编码csi的pucch资源可以与用于在其他时间期间发送编码csi的pucch资源不同。可能地，wtru可以配置有专门用于训练的物理信道。可能地，wtru可以被配置为用pusch资源发射未压缩csi。可能地，配置的授权可以分配给wtru以发射未压缩csi。wtru可以被配置为指示编码的csi发射与未压缩的csi发射之间的对应关系。可能地，此类指示基于pucch资源与配置的授权资源之间在时间和/或频率上的关系。
[0196]
该网络可将编码csi作为输入应用于远程ai分量(例如，解码器)并且执行前向通路以获得输出。该网络可基于解码器的输出与相关联的参考csi之间的差计算损失。该网络可在解码器分量上执行部分反向传播。在部分反向传播结束时，在解码器的输入处计算张量状态。张量状态的不同实现是可能的。例如，张量状态可以被配置为提供足够的信息以实现与wtru相关联的ai分量的反向传播。例如，张量状态可以对应于远程ai分量(例如，解码器)的第一层的梯度。例如，张量状态可以包括关于涉及正则化的参数的信息。例如，张量状态可以包括关于涉及丢弃的参数的信息。例如，张量状态可以包括关于涉及学习的配置方面的信息，该信息包括但不限于学习率、衰减等。
[0197]
wtru可以被配置为从远程ai分量接收张量状态信息。在解决方案中，wtru可以被配置为经由pdsch资源(有可能经由动态授权)接收张量状态信息。可能地，wtru可以配置有配置的授权资源以接收张量状态信息。wtru可以被配置为使用接收的张量状态对ai分量执
行部分反向传播。由于部分反向传播，wtru可以被配置为更新可学习参数(例如，权重和/或偏差)。在解决方案中，wtru可以被配置为确定对可学习参数的改变并且基于条件应用/更新学习的参数。例如，该条件可以是训练样本的数目的函数。例如，该条件可以基于来自网络的显式命令。例如，该条件可以是预配置的计时器的函数。另外，wtru可以配置有多个超参数，如在标题为“基于wtru的反向传播”的以上章节中所概述的。可能地，wtru可以配置有用于梯度下降的优化算法，包括但不限于自适应梯度方法、自适应矩估计方法等。上述联合训练程序可以针对t个训练数据样本重复。在一种方法中，wtru可以被配置用于批梯度下降，其中wtru被配置为使用所有t个样本执行联合训练程序。在另一种方法中，wtru可以被配置用于小批梯度下降，其中wtru可以对从t个样本中随机选择的b个样本执行联合训练程序(b《t)。wtru可以配置有伪随机次序以混洗训练样本。
[0198]
在一种方法中，wtru可以配置有低延迟联合训练程序。例如，可以根据wtru能力和前向通路和部分反向传播所需的处理时间配置用于编码csi的wtru发射和未压缩csi发射的ul资源和用于张量状态的dl资源。
[0199]
联合反向传播算法的示例性实现在下面示出。
[0200]
这种算法可以用于经由联合wtru和nw反向传播进行微调。
[0201]
重复直到对k＝1,2,
…
收敛：
[0202]
步骤1：wtru对t个样本计算本地编码器上的前向通路以获得它们的编码表示
[0203][0204]
并且将它们发射到nw设备。
[0205]
步骤2：nw设备通过传递通过远程解码器完成前向通路并且计算损失如下：
[0206][0207]
步骤3：使用以上步骤2中计算的损失函数，nw设备完成远程解码器部分的反向传播算法以相对于远程解码器参数计算梯度并且更新远程解码器参数如下：
[0208][0209]
步骤4：nw设备计算必要的张量状态并且将它们发射到wtru以完成本地编码器部分上的反向(反向传播)通路。例如，张量状态可以包括足够用于与本地编码器模型中的层相关联的梯度计算的信息。
[0210]
步骤5：使用状态wtru完成编码器权重的反向传播以计算梯度并且更新编码器权重如下：
[0211][0212]
用量化的潜在向量训练的自动编码器
[0213]
在实践中，应用某种形式的量化以发射编码器输出，使得潜在向量可以作为离散值的向量发射。在传统方法中，应用量化以在预配置的比特宽度(例如，8比特量化)内拟合潜在向量可能是有用的。但是这种方法的问题是其导致信息的损失并且解码器不能精确地恢复信道。该问题可归因于自动编码器训练可能不考虑量化效应的事实。应当注意，量化不是可微分函数。因此，使用反向传播训练自动编码器可能不是直接的。
[0214]
在一种解决方案中，wtru可以被配置为用量化的潜在向量训练自动编码器。本文所提出的解决方案可以实现增强的潜在向量的压缩。有可能使用无损熵编码。本文所提出的解决方案可实现压缩水平与重构质量之间灵活和/或可配置的折衷。
[0215]
在另一种解决方案中，wtru可以被配置为在推断期间在编码器的输出处应用量化器层。例如，可以量化由编码器获得的潜在表示以实现进一步压缩
[0216][0217]
其中量化器q可以将编码的向量e([hr；hi]；we)的每个项舍入到最接近的整数。在一些解决方案中，wtru可以被配置为对量化的向量应用压缩。例如，量化的向量zq然后可以使用无损熵编码方法进一步压缩。
[0218]
解码器可应用解压缩操作以反转无损熵解码，随后进行解量化。例如，解码器可以应用解量化器q-1
，并且对潜在向量解码如下：
[0219][0220]
wtru可以被配置为在训练程序期间将具有预配置统计的噪声层应用于自动编码器输出
[0221]
wtru可以被配置为在训练程序期间将具有预配置统计的噪声层应用于自动编码器输出。wtru可以被配置为在训练期间选择性地应用噪声层并且在推断期间跳过/移除噪声层。例如，噪声层可以被配置为添加在例如[-0.5,0.5]的范围内均匀分布的噪声。例如，此类解决方案可以克服不可微分的量化的问题。在一个示例中，在训练的前向步骤期间，wtru可以将在[-0.5,0.5]中均匀分布的噪声添加到编码器的输出的每个分量，如下：
[0222][0223]
其中n是具有与相同维度的噪声张量。
[0224]
wtru可以被配置为向网络发射解码器然后可以使用作为解码的输入，如下：
[0225][0226]
反向传播然后可以使用本文描述的方法执行，诸如在标题为“基于wtru的反向传播”、“基于网络的反向传播”和“联合wtru和nw反向传播”的章节中。
[0227]
wtru可以训练自动编码器使得满足基于压缩与重构损失之间折衷的配置准则
[0228]
在一些解决方案中，wtru可以被配置为用控制压缩与重构损失之间折衷的手段执行反向传播。例如，向量可以输入到熵估计器网络其中熵估计器网络可被配置为使用由权重w
φ
表征的神经网络估计的熵。wtru可以被配置为使用损失度量执行反向传播，该损失度量包括与控制熵的参数相关联的方面。例如，wtru可以被配置为最小
化损失度量，该损失度量使用反向传播算法针对给定信道[hr；hi]最小化，给出该反向传播算法如下：
[0229][0230]
其中λ》0,是控制熵的参数。λ的值可被配置为在压缩与重构损失之间折衷。可能地，wtru可以通过网络配置接收值λ。
[0231]
在使用本文公开的原理的示例性操作模式中，提供了以下示例。图4可作为以下示例的通用架构的参考。
[0232]
在第一示例实施方案中，第一发射节点(例如，wtru或基站)可以被配置为通过无线信道发送数据，其中该数据至少包括来自第一ai分量的输出。在该实施方案中，第一发射节点被配置为基于触发条件发起训练程序。示例性训练程序可以涉及以下中的至少一者：
[0233]
a.通过无线信道发射多个有序训练对，
[0234]
i.其中每对由到第一ai分量的输入和第一ai分量的对应输出组成，并且/或者
[0235]
ii.其中训练对可以寻址到接收节点中的第二ai分量。
[0236]
b.通过无线信道接收对应于发射的训练对的部分处理的训练信息，
[0237]
i.其中训练信息可以源自第二ai分量，
[0238]
ii.其中部分处理的训练信息可以携带第一ai分量的输出层处的梯度，有可能作为在第二ai分量上部分反向传播的结果，有可能是张量状态的形式，并且/或者
[0239]
iii.其中部分处理的训练信息可以寻址到第一ai分量。
[0240]
c.基于部分处理的训练信息更新第一ai分量的可学习参数，
[0241]
i.其中，更新可以涉及使用接收的张量状态在第一ai分量上执行部分反向传播。
[0242]
在第二示例性实施方案中，第二接收节点(例如，基站或wtru)被配置为通过无线信道接收数据，其中该数据寻址到第二接收节点中的第二ai分量。在该实施方案中，第二接收节点被配置为执行涉及以下中的至少一者的训练程序：
[0243]
a.通过无线信道接收多个有序训练对，
[0244]
i.其中每对由到第一ai分量的输入和第一ai分量的对应输出组成，
[0245]
ii.使用第一ai分量的输出作为输入和第一ai分量的输入作为输出，在第二ai分量上执行部分反向传播
[0246]
b.更新第二ai分量的可学习参数
[0247]
c.确定部分处理的训练信息
[0248]
i.其中部分处理的训练信息可以携带在第二ai分量上部分反向传播的结果，有可能是以张量状态的形式，
[0249]
d.通过无线信道发射对应于接收的训练对的部分处理的训练信息，
[0250]
i.其中部分处理的信息可寻址到第一ai分量
[0251]
ii.其中部分处理的训练信息可以在第一ai分量的输出层处应用。
[0252]
在第三示例性实施方案中，第一发射节点配置有用于至少一个控制和/或数据处理函数的第一ai分量，该第一ai处理函数：
[0253]
a.基于配置的重构损失函数，监控触发条件。
[0254]
i.其中重构损失函数可指示第一ai分量的输入与第二ai分量的输出之间的差。
[0255]
ii.例如，触发条件可以是平均重构损失函数在时间窗口上高于配置的阈值。
[0256]
b.在ul资源(例如，pucch)上发射指示(例如，调度请求(sr))，其中该指示携带第一ai分量的状态。
[0257]
i.其中该状态可以指示满足触发条件，或者显式地指示关于重构损失、重构损失高于阈值的样本数目等的信息。
[0258]
在第四示例性实施方案中，具有第一ai分量的第一发射节点可以配置有第三ai分量。在该示例中，
[0259]
a.第三ai分量将第一ai分量的输出和/或输入作为输入，
[0260]
b.监控第三ai分量的输出可以包括：
[0261]
i.其中监控涉及比较第三ai分量的输出与阈值。
[0262]
ii.其中第三分量的输出是第一ai分量的性能度量和/或第一和第三ai分量的组合性能。
[0263]
c.基于关于第三ai分量的结果的条件，发起训练程序。
[0264]
i.例如，该条件可以是性能度量低于阈值。
[0265]
应当注意，当使用上文的技术时，通过使能小型高效ai可以避免与完全离线ai应用相关联的显著更高的存储要求、处理和训练复杂度，该小型高效ai是上下文的并且适应实际信道条件、部署、更小模型/更简单处理，并且可适应于wtru和/或nw能力等。
[0266]
还应当注意，在本文中以上技术描述了用于通过使用具有预配置统计的噪声层模拟量化来用量化的潜在向量训练自动编码器的手段。还讨论了控制自动编码器训练以在压缩与重构损失之间折衷的手段。
[0267]
图5是由无线网络中的第一节点执行的总体示例性方法500。第一节点可以包含自动编码器架构的编码器函数。示例性第一节点可以是图4的节点410，其可以是wtru或基站。在第一节点410是本地wtru的实例中，可以包含解码器函数的第二节点450可以是远程wtru或另一个网络实体，诸如基站。在第一节点410是诸如基站的网络实体的实例中，第二节点450可以是wtru。在任一实例中，在505处，第一节点监控/测试触发条件以基于重构损失值检测触发条件的发生。重构损失值由第一节点确定。在510处，第一节点向第二节点中的解码器发射多个有序训练对，该发射基于第一节点对触发条件的检测。在515处，第一节点从第二节点接收对应于发射的训练对的部分处理的训练信息。在520处，第一节点基于接收的部分处理的训练信息更新第一节点中的编码器的可学习参数，以便减小第一节点中确定的重构损失值。方法500可提高诸如图4的示例架构的自动编码器架构的编码器的准确度。
[0268]
在图5中，在505处，对触发条件的检测可包括基于第一节点的第一人工智能分量中的重构损失值监控/测试以及检测触发条件。在图5中，在505处，基于第一节点的第一分量中的重构损失值监控/测试和检测触发条件可以包括对高于阈值的平均重构损失函数的检测。另外，阈值可在时间窗口上评估。
[0269]
在图5中，在510处，多个有序训练对的发射可包括发射寻址到第二节点的人工智能分量的训练对。而且，多个有序训练对的发射可以包括发射包括到编码器的输入和第一节点的编码器的对应输出的有序对。
[0270]
在图5中，在515处，对应于发射的训练对的部分处理的训练信息的接收可包括以下中的任一者：(i)基于第二节点中的部分反向传播接收张量状态形式的梯度，(ii)接收包括用于第一节点中的ai分量的寻址信息的部分处理的训练信息并且在第一节点中应用接
收的梯度并且执行部分反向传播，和/或(iii)接收部分处理的训练信息以确定对第一节点中的编码器的一个或多个可学习参数的更新。
[0271]
在图5中，在520处，基于部分处理的训练信息更新编码器的可学习参数可以包括使用接收的张量状态更新涉及在第一节点中的人工智能分量上部分反向传播的可学习参数。
[0272]
尽管上文以特定组合提供了特征和元件，但是本领域的普通技术人员将理解，每个特征或元件可单独使用或以与其他特征和元件的任何组合来使用。本公开并不限于就本专利申请中所述的具体实施方案而言，这些具体实施方案旨在作为各个方面的例证。在不脱离本发明的实质和范围的前提下可进行许多修改和变型，因其对于本领域的技术人员而言将是显而易见的。除非明确如此提供，否则本技术说明书中使用的任何元件、动作或说明均不应理解为对本发明至关重要或必要。根据前面的描述，除了本文列举的那些之外，在本公开的范围内的功能上等同的方法和装置对于本领域的技术人员而言将是显而易见的。此类修改和变型旨在落入所附权利要求书的范围内。本公开仅受限于所附权利要求的条款以及此类享有权利的权利要求的等同形式的全部范围。应当理解，本公开不限于特定的方法或系统。
[0273]
为了简单起见，关于红外能力设备(即红外发射器和接收器)的术语和结构讨论了前述实施方案。然而，所讨论的实施方案不限于这些系统，而是可应用于使用其他形式的电磁波或非电磁波(诸如声波)的其他系统。
[0274]
还应当理解，本文所用的术语仅用于描述具体实施方案的目的，并非旨在进行限制。如本文中所使用，术语“视频”或术语“图像”可意指在时间基础上显示的快照、单个图像和/或多个图像中的任一者。作为另一个示例，当在本文中提及时，术语“用户设备”及其缩写“ue”、术语“远程”可意指或包括(i)无线传输和/或接收单元(wtru)；(ii)wtru的多个实施方案中的任一个实施方案；(iii)具有无线功能和/或具有有线功能(例如，可拴系)的设备配置有(特别是)wtru的一些或全部结构和功能；(iii)配置有少于wtru的全部结构和功能的无线能力和/或有线能力设备；或(iv)等。本文参考图1a至图1d描述了可代表本文叙述的任何wtru的示例性wtru的细节。
[0275]
另外，本文中所提供的方法可在并入计算机可读介质中以供计算机或处理器执行的计算机程序、软件或固件中实施。计算机可读介质的示例包括电子信号(通过有线或无线连接发射)和计算机可读存储介质。计算机可读存储介质的示例包括但不限于只读存储器(rom)、随机存取存储器(ram)、寄存器、高速缓存存储器、半导体存储器设备、磁介质(诸如内置硬盘和可移动磁盘)、磁光介质和光介质(诸如cd-rom磁盘和数字通用光盘(dvd))。与软件相关联的处理器可用于实现用于wtru、ue、终端、基站、rnc或任何主计算机的射频收发器。
[0276]
在不脱离本发明的范围的情况下，上文提供的方法、装置和系统的变型是可能的。鉴于可应用的各种实施方案，应当理解，所示实施方案仅是示例，并且不应视为限制以下权利要求书的范围。例如，本文中提供的实施方案包括手持设备，该手持设备可包括提供任何适当电压的任何适当电压源(诸如电池等)或与该电压源一起使用。
[0277]
此外，在上文所提供的实施方案中，指出了处理平台、计算系统、控制器和包含处理器的其他设备。这些设备可包含至少一个中央处理单元(“cpu”)和存储器。根据计算机编
程领域的技术人员的实践，对动作和操作或指令的符号表示的引用可由各种cpu和存储器执行。此类动作和操作或指令可被认为是正在“执行的”、“计算机执行的”或“cpu执行的”。
[0278]
本领域的普通技术人员将会知道，动作和符号表示的操作或指令包括cpu对电信号的操纵。电系统表示数据位，这些数据位可导致电信号的最终变换或电信号的减少以及对在存储器系统中的存储器位置处的数据位的保持，从而重新配置或以其他方式改变cpu的操作以及进行信号的其他处理。保持数据位的存储器位置是具有与数据位对应或表示数据位的特定电属性、磁属性、光学属性或有机属性的物理位置。应当理解，实施方案不限于上述平台或cpu，并且其他平台和cpu也可支持所提供的方法。
[0279]
数据位还可保持在计算机可读介质上，该计算机可读介质包括磁盘、光盘和cpu可读的任何其他易失性(例如，随机存取存储器(ram”))或非易失性(例如，只读存储器(rom”))海量存储系统。计算机可读介质可包括协作或互连的计算机可读介质，该协作或互连的计算机可读介质唯一地存在于处理系统上或者分布在多个互连的处理系统中，该多个互连的处理系统相对于该处理系统可以是本地的或远程的。应当理解，实施方案不限于上述存储器，并且其他平台和存储器也可支持所提供的方法。
[0280]
在例示性实施方案中，本文所述的操作、过程等中的任一者可实现为存储在计算机可读介质上的计算机可读指令。计算机可读指令可由移动单元、网络元件和/或任何其他计算设备的处理器执行。
[0281]
在系统的各方面的硬件具体实施和软件具体实施之间几乎没有区别。硬件或软件的使用通常是(但不总是，因为在某些上下文中，硬件和软件之间的选择可能会变得很重要)表示在成本与效率之间权衡的设计选择。可存在可实现本文所述的过程和/或系统和/或其他技术的各种媒介(例如，硬件、软件和/或固件)，并且优选的媒介可随部署过程和/或系统和/或其他技术的上下文而变化。例如，如果实施者确定速度和准确度最重要，则实施者可选择主要为硬件和/或固件的媒介。如果灵活性最重要，则实施者可选择主要为软件的具体实施。另选地，实施者可选择硬件、软件和/或固件的一些组合。
[0282]
上述详细描述已经通过使用框图、流程图和/或示例列出了设备和/或过程的各种实施方案。在此类框图、流程图和/或示例包含一个或多个功能和/或操作的情况下，本领域的技术人员应当理解，此类框图、流程图或示例内的每个功能和/或操作可单独地和/或共同地由广泛范围的硬件、软件、固件或几乎它们的任何组合来实现。在实施方案中，本文所述主题的若干部分可经由专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)和/或其他集成格式来实现。然而，本领域的技术人员将认识到，本文所公开的实施方案的一些方面整体或部分地可等效地在集成电路中实现为在一个或多个计算机上运行的一个或多个计算机程序(例如，在一个或多个计算机系统上运行的一个或多个程序)、在一个或多个处理器上运行的一个或多个程序(例如，在一个或多个微处理器上运行的一个或多个程序)、固件或几乎它们的任何组合，并且根据本公开，设计电路和/或写入软件和/或固件的代码将完全在本领域技术人员的技术范围内。另外，本领域的技术人员将会知道，本文所述主题的机制可以多种形式作为程序产品分布，并且本文所述主题的例示性实施方案适用，而不管用于实际执行该分布的信号承载介质的具体类型如何。信号承载介质的示例包括但不限于以下各项：可记录类型介质(诸如软盘、硬盘驱动器、cd、dvd、数字磁带、计算机存储器等)；和传输类型介质(诸如数字和/或模拟通信介质(例如，光纤电缆、波导、有
线通信链路、无线通信链路等))。
[0283]
本领域技术人员将认识到，本领域中常见的是，以本文中阐述的方式来描述设备和/或过程，并且此后使用工程实践以将这类所描述设备和/或过程集成到数据处理系统中。也就是说，本文中所描述的设备和/或过程的至少一部分可经由合理量的实验集成到数据处理系统中。本领域技术人员将认识到，典型数据处理系统一般可包括以下中的一个或多个：系统单元外壳；视频显示设备；存储器，诸如易失性存储器和非易失性存储器；处理器，诸如微处理器和数字信号处理器；计算实体，诸如操作系统、驱动程序、图形用户接口和应用程序；一个或多个交互设备，诸如触摸板或屏幕；和/或控制系统，包括反馈回路和控制马达(例如用于感测位置和/或速度的反馈、用于移动和/或调整部件和/或量的控制马达)。典型数据处理系统可利用任何合适的市售部件来实施，诸如通常在数据计算/通信和/或网络计算/通信系统中发现的那些部件。
[0284]
本文所述的主题有时示出了包含在不同的其他部件内或与不同的其他部件连接的不同的部件。应当理解，此类描绘的架构仅仅是示例，并且事实上可实现达成相同功能的许多其他架构。在概念意义上，达成相同功能的部件的任何布置是有效“相关联的”，使得可实现期望的功能。因此，在本文中被组合以实现特定功能的任何两个部件可被视为彼此“相关联”，使得所需功能得以实现，而与架构或中间部件无关。同样，如此相关联的任何两个部件也可被视为彼此“可操作地连接”或“可操作地耦合”以实现期望的功能，并且能够如此相关联的任何两个部件也可被视为“可操作地可耦合”于彼此以实现期望的功能。可操作地可耦合的具体示例包括但不限于可物理配合和/或物理交互的部件和/或可无线交互和/或无线交互的部件和/或逻辑交互和/或可逻辑交互的部件。
[0285]
关于本文使用的基本上任何复数和/或单数术语，本领域的技术人员可根据上下文和/或应用适当地从复数转换成单数和/或从单数转换成复数。为清楚起见，本文可明确地列出了各种单数/复数排列。
[0286]
本领域的技术人员应当理解，一般来讲，本文尤其是所附权利要求(例如，所附权利要求的主体)中使用的术语通常旨在作为“开放式”术语(例如，术语“包括”应解释为“包括但不限于”，术语“具有”应解释为“具有至少”，术语“包含”应解释为“包含但不限于”等)。本领域的技术人员还应当理解，如果意图说明特定数量的引入的权利要求叙述对象，则此类意图将在权利要求中明确叙述，并且在不存在此类叙述对象的情况下，不存在此类意图。例如，在预期仅一个项目的情况下，可使用术语“单个”或类似的语言。为了有助于理解，以下所附权利要求和/或本文的描述可包含使用引导短语“至少一个”和“一个或多个”来引入权利要求叙述对象。然而，此类短语的使用不应理解为暗示通过不定冠词“一个”或“一种”将包含此类引入的权利要求叙述对象的任何特定权利要求限制为包含仅一个此类叙述对象的实施方案来引入权利要求叙述对象。即使当同一权利要求包括引导短语“一个或多个”或“至少一个”和不定冠词诸如“一个”或“一种”(例如，“一个”和/或“一种”应解释为意指“至少一个”或“一个或多个”)时，也是如此。这同样适用于使用用于引入权利要求叙述对象的定冠词。另外，即使明确叙述了特定数量的引入的权利要求叙述对象，本领域的技术人员也将认识到，此类叙述应解释为意指至少所述的数量(例如，在没有其他修饰语的情况下，对“两个叙述对象”的裸叙述意指至少两个叙述对象、或者两个或更多个叙述对象)。另外，在使用类似于“a、b和c等中的至少一者”的惯例的那些实例中，一般来讲，此类构造的含义
是本领域的技术人员将理解该惯例(例如，“具有a、b和c中的至少一者的系统”将包括但不限于单独具有a、单独具有b、单独具有c、同时具有a和b、同时具有a和c、同时具有b和c和/或同时具有a、b和c等的系统)。在使用类似于“a、b或c等中的至少一者”的惯例的那些实例中，一般来讲，此类构造的含义是本领域的技术人员将理解该惯例(例如，“具有a、b或c中的至少一者的系统”将包括但不限于单独具有a、单独具有b、单独具有c、同时具有a和b、同时具有a和c、同时具有b和c和/或同时具有a、b和c等的系统)。本领域的技术人员还应当理解，事实上，无论在说明书、权利要求书还是附图中，呈现两个或更多个另选术语的任何分离的词语和/或短语都应当理解为设想包括术语中的一个术语、术语中的任一个术语或这两个术语的可能性。例如，短语“a或b”将被理解为包括“a”或“b”或“a和b”的可能性。另外，如本文所用，后面跟着列出多个项目和/或多个项目类别的术语
“…
中的任一个”旨在包括单独的或与其他项目和/或其他项目类别结合的项目和/或项目类别“中的任一个”、“的任何组合”、“的任何倍数”和/或“的倍数的任何组合”。此外，如本文所使用，术语“组”旨在包括任何数量的项目，包括零。另外，如本文所用，术语“数量”旨在包括任何数量，包括零。
[0287]
另外，在根据马库什群组描述本公开的特征或方面的情况下，由此本领域的技术人员将认识到，也根据马库什群组的任何单独的成员或成员的子群组来描述本公开。
[0288]
如本领域的技术人员将理解的，出于任何和所有目的(诸如就提供书面描述而言)，本文所公开的所有范围还涵盖任何和所有可能的子范围以及它们的子范围的组合。任何列出的范围均可容易地被识别为充分地描述并且使得相同的范围能够被划分成至少相等的两半、三分之一、四分之一、五分之一、十分之一等。作为非限制性示例，本文所讨论的每个范围可容易地被划分成下三分之一、中三分之一和上三分之一等。如本领域的技术人员还将理解的，诸如“最多至”、“至少”、“大于”、“小于”等的所有语言包括所引用的数字并且是指随后可被划分为如上所述的子范围的范围。最后，如本领域的技术人员将理解的，范围包括每个单独的数字。因此，例如具有1至3个单元的群组是指具有1、2或3个单元的群组。类似地，具有1至5个单元的群组是指具有1、2、3、4或5个单元的群组等。

技术特征：
1.一种由具有编码器的第一节点执行的方法，所述方法包括：向第二节点中的解码器发射多个有序训练对，所述发射响应于基于由所述第一节点确定的重构损失值对触发条件的检测；从所述第二节点接收对应于所发射的训练对的部分处理的训练信息；以及基于所接收的部分处理的训练信息更新所述第一节点中的所述编码器的可学习参数，以减小所述重构损失值。2.根据权利要求1所述的方法，其中对所述触发条件的所述检测包括对所述第一节点的人工智能分量中所述重构损失值的检测。3.根据权利要求1所述的方法，其中对所述触发条件的所述检测包括对高于阈值的平均重构损失值的检测。4.根据权利要求1所述的方法，其中发射所述多个有序训练对包括发射寻址到所述第二节点的人工智能分量的训练对。5.根据权利要求1所述的方法，其中发射所述多个有序训练对包括发射包括到所述编码器的输入和所述第一节点的所述编码器的对应输出的有序对。6.根据权利要求1所述的方法，其中接收对应于所发射的训练对的部分处理的训练信息包括以下中的任一者：基于所述第二节点中的部分反向传播，接收张量状态形式的梯度；接收包括寻址信息的所述部分处理的训练信息，以在所述第一节点中应用所接收的梯度并且执行部分反向传播；以及接收所述部分处理的训练信息以确定对所述第一节点中的所述编码器的一个或多个可学习参数的更新。7.根据权利要求1所述的方法，其中基于部分处理的训练信息更新所述编码器的所述可学习参数包括使用接收的张量状态更新涉及通过所述第一节点中的人工智能分量部分反向传播的所述可学习参数。8.根据权利要求1所述的方法，其中所述方法由无线发射接收单元或基站中的一者执行。9.根据权利要求1所述的方法，其中所述方法由包括本地无线发射接收单元wtru的所述第一节点执行，并且其中所述第二节点包括远程wtru或基站中的一者。10.根据权利要求1所述的方法，其中所述方法由包括基站的所述第一节点执行，并且其中所述第二节点包括无线发射接收单元。11.一种包括电路的电子设备，所述电路包括发射器、接收器、处理器和存储器，所述电子设备包括网络的第一节点，所述电子设备被配置为：向第二节点中的解码器发射多个有序训练对，所述发射响应于基于由所述第一节点确定的重构损失值对触发条件的检测；从所述第二节点接收对应于所发射的训练对的部分处理的训练信息；以及基于所接收的部分处理的训练信息更新所述第一节点中的编码器的可学习参数，以减小所述重构损失值。12.根据权利要求11所述的电子设备，其中对所述触发条件的所述检测包括对所述第一节点的人工智能分量中所述重构损失值的检测。
13.根据权利要求11所述的电子设备，其中对所述触发条件的所述检测包括对高于阈值的平均重构损失值的检测。14.根据权利要求11所述的电子设备，其中所述电子设备被配置为通过发射寻址到所述第二节点的人工智能分量的训练对来发射所述多个有序训练对。15.根据权利要求11所述的电子设备，其中所述电子设备被配置为通过发射包括到所述编码器的输入和所述第一节点的所述编码器的对应输出的有序对来发射所述多个有序训练对。16.根据权利要求11所述的电子设备，其中所述电子设备被配置为接收所述部分处理的训练信息，所述部分处理的训练信息包括接收以下中的任一者：基于所述第二节点中的部分反向传播的张量状态形式的梯度；用于在所述第一节点中应用所接收的梯度并且执行部分反向传播的寻址信息；和用于确定对所述编码器的一个或多个可学习参数的更新的所述部分处理的训练信息。17.根据权利要求11所述的电子设备，其中所述电子设备被配置为通过使用接收的张量状态更新涉及通过人工智能分量部分反向传播的所述可学习参数基于部分处理的训练信息更新所述编码器的所述可学习参数。18.根据权利要求11所述的电子设备，其中所述电子设备是无线发射接收单元或基站中的一者。19.根据权利要求11所述的电子设备，其中所述电子设备包括作为所述第一节点的本地无线发射接收单元wtru，并且其中所述第二节点包括远程wtru或基站中的一者。20.一种包括指令的计算机可读存储介质，所述指令在由计算机执行时致使所述计算机执行根据权利要求1至10中任一项所述的方法。

技术总结
描述了一种用于使用与无线网络中的第一收发器节点相关联的人工智能(AI)分量的方法，其中该第一节点被配置为通过无线信道发送数据并且被配置为发起针对第二节点中的人工智能分量的训练程序。具有编码器的该第一节点向该第二节点中的解码器发射多个有序训练对，该发射响应于基于由该第一节点确定的重构损失值对触发条件的检测。该第一节点从该第二节点接收对应于该发射的训练对的部分处理的训练信息。该第一节点基于该接收的部分处理的训练信息更新该编码器的可学习参数，以减小该重构损失值。损失值。损失值。


技术研发人员：Y
受保护的技术使用者：交互数字专利控股公司
技术研发日：2021.10.19
技术公布日：2023/8/24