CN113950057A - 信息处理的方法、装置、设备及计算机可读存储介质 - Google Patents
信息处理的方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113950057A CN113950057A CN202010682573.2A CN202010682573A CN113950057A CN 113950057 A CN113950057 A CN 113950057A CN 202010682573 A CN202010682573 A CN 202010682573A CN 113950057 A CN113950057 A CN 113950057A
- Authority
- CN
- China
- Prior art keywords
- information
- coverage
- service
- time
- configuration
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 44
- 238000003672 processing method Methods 0.000 title claims description 9
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000005540 biological transmission Effects 0.000 claims description 187
- 238000009826 distribution Methods 0.000 claims description 182
- 238000005259 measurement Methods 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 29
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 claims description 26
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 claims description 26
- 230000000737 periodic effect Effects 0.000 claims description 19
- 230000011664 signaling Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000013468 resource allocation Methods 0.000 abstract description 9
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 description 43
- 238000010586 diagram Methods 0.000 description 38
- 238000010801 machine learning Methods 0.000 description 25
- 238000007726 management method Methods 0.000 description 19
- 101100533725 Mus musculus Smr3a gene Proteins 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 239000013256 coordination polymer Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/0836—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability to enhance reliability, e.g. reduce downtime
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/082—Configuration setting characterised by the conditions triggering a change of settings the condition being updates or upgrades of network functionality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0876—Aspects of the degree of configuration automation
- H04L41/0886—Fully automatic configuration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0894—Policy-based network configuration management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/50—Service provisioning or reconfiguring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0245—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal according to signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
- H04W52/0254—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity detecting a user operation or a tactile contact or a motion of the device
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
- H04W4/022—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences with dynamic range variability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供了一种信息处理的方法、装置、设备及计算机可读存储介质,该方法应用于第一网络设备,其特征在于,包括:接收与第二网络设备相关的信息;根据所述信息,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置;将所述第一资源配置发送给所述第二网络设备。该方法根据信息,通过预测和计算分析得到第一资源配置,实现了不同覆盖类别的动态配置,节省了能耗,同时提高了***容量与性能。
Description
技术领域
本申请涉及无线通信技术领域,具体而言,本申请涉及一种信息处理的方法、装置、设备及计算机可读存储介质。
背景技术
作为5G(5th generation mobile networks,第五代移动通信技术)重要场景,MIoT(Massive Internet of Things,大规模物联网)依托5G强大的连接能力,通过与垂直行业的融合实现万物互联,将人与人的通信,拓展到人与物、物与物的全场景连接。针对MIoT场景,3GPP定义了每平方公里1百万个连接的超大规模连接需求,此外MIoT业务应用对低成本、低功耗和深度覆盖等也提出了较高需求。
为支持大规模连接,3GPP提出了NB-IoT(Narrow Band IOT,窄带物联网)和eMTC(enhanced machine type communication,增强机器通信)两个蜂窝物联网协议标准。在协议中,3GPP引入了CL(Coverage Level,覆盖等级)的概念,如图1所示,通过定义信号强度门限(rsrpThreshold)划分CL,并为每个覆盖等级定义差异化的资源配置,实现大量终端的覆盖、容量和管理要求。
在现网中,IOT覆盖等级的划分和参数基本采用人工进行统一的初始配置,实际网络运行中,出现具体问题后再分析,并进行人工参数调整。这种人工的、半静态的调整方式,不仅费时费力,而且极容易造成参数与实际网络环境的不匹配。
(1)固定CL划分无法适配IoT终端的时变分布,造成接入拥塞和资源浪费
CL划分主要通过定义RSRP(Reference Signal Receiving Power,参考信号接收功率)门限来实现。实际网络中,一般根据小区最大和最深覆盖范围进行RSRP门限的确定。但是因为IoT业务发送大多不频繁,实际上真正具有业务收发需求的IoT终端在小区内的分布存在时变特性。如图2和图3所示,例如IoT终端在白天分布比较均匀,但是到了晚上,发送IoT业务的终端大多属于信号强度较好的范围,在这种情况下,固定的三个CL的划分和固定的资源配置就会导致CL0的资源不足,造成接入拥塞;同时为CL1、CL2预留的资源因实际用户数较少而造成资源浪费,降低资源利用率。
(2)半静态资源配置无法适配IoT终端的时变分布,导致功耗增加和***容量降低。
如前所述,真正具有业务收发需求的IoT终端在小区内的信号强度分布存在时变特性。基于CL的半静态资源配置无法适应终端分布的时变特性,可能会分配较大的重复次数,既浪费了终端功率,又造成了不必要的资源浪费,从而降低***容量。
如图4所示,在上午时间段,区域内CL0实际有效终端为UE1/UE2;中午时间段CL0实际有效终端为UE1/UE5;下午时间段CL0实际有效终端为UE1/UE2.其中UE1/UE5具有较高的RSRP,重复次数为1即可满足传输需求;UE2的RSRP相对低一些,重复次数为2。这种情况下,如果采用半静态的重复次数2的配置,在中午时间段就会导致用户UE1,UE5的重复次数过高,资源占用增加。
综上所述,人工初始配置或事后调整的传统方式,在实际网络运行中,无法适配变化的网络环境和IoT业务分布。
发明内容
本申请针对现有的方式的缺点,提出一种信息处理的方法、装置、设备及计算机可读存储介质,用以解决如何节省能耗并提高***容量与性能的问题。
第一方面,提供了一种信息处理的方法,应用于第一网络设备,包括:
接收与第二网络设备相关的信息;
根据信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
将第一资源配置发送给第二网络设备。
可选地,根据信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据信息,确定各个覆盖特性分别对应的第二网络设备包括的终端用户设备在第一时间上的业务分布相关信息;
根据终端用户设备在第一时间上的业务分布相关信息,对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测或者计算,确定终端用户设备在第二时间上的业务分布相关信息;
根据终端用户设备在第二时间上的业务分布相关信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
可选地,在根据信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息之前,还包括:
接收外部服务器发送的业务信息,业务信息包括各个终端用户设备的位置信息和各个终端用户设备的特征信息;其中,位置信息包括定位服务器提供的终端用户设备的位置参数、定位服务器提供的飞行轨迹参数中的至少一项,特征信息包括业务周期、周期性上报时间中的至少一项;
根据信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息,包括:
根据信息和所述业务信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息。
可选地,信息包括第二网络设备的测量信息、第二网络设备的配置信息中的至少一项;测量信息包括信号强度数据、业务数据、性能数据中的至少一项;配置信息包括用于覆盖类别划分的覆盖类别门限配置、各覆盖类别分别对应的资源配置参数中的至少一项,覆盖类别门限配置为覆盖特性指标值,覆盖特性指标值以用于将覆盖区域划分成不同的覆盖类别。
可选地,根据信息,确定各个覆盖特性对应的终端用户设备在第一时间上的业务分布相关信息,包括:根据业务数据和业务信息,确定有业务待发送且需接入第二网络设备的终端用户设备在第一时间上的分布信息;并根据性能数据和配置信息,确定不同配置信息对应的随机接入信道RACH的接入容量,业务分布相关信息包括分布信息和不同配置信息对应的RACH的接入容量。
可选地,根据终端用户设备在第一时间上的业务分布相关信息,对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测或计算,确定终端用户设备在第二时间上的业务分布相关信息,包括:
将终端用户设备在N个业务周期上的业务分布相关信息输入至预设的预测模型,通过预测模型对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测和计算,得到N个业务周期后的第1个周期内各覆盖特性分别对应的业务的容量随时间的分布;
其中,第一时间包括N个业务周期,第二时间包括所述第1个周期,终端用户设备在第一时间上的业务分布相关信息用于表征N个周期内各覆盖特性分别对应的业务的容量随时间的分布,终端用户设备在第二时间上的业务分布相关信息用于表征第1个周期内各覆盖特性分别对应的业务的容量随时间的分布,N为正整数。
可选地,根据终端用户设备在第二时间上的业务分布相关信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据终端用户设备在第二时间上的业务分布相关信息,确定各覆盖类别分别对应的覆盖类别门限;
根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
可选地,根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定与第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据各覆盖类别分别对应的覆盖类别门限,确定各覆盖类别分别对应的终端用户设备的资源的传输重复次数和资源的调制与编码策略MCS配置,资源包括物理下行控制信道PDCCH、物理下行共享信道PDSCH、物理上行共享信道PUSCH、上行控制信息UCI中的至少一项;
根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定覆盖类别的数量和各覆盖类别分别对应的终端用户设备数量;
根据各覆盖类别分别对应的终端用户设备数量和信息包括的第二网络设备的配置信息对应的RACH的接入容量,确定各覆盖类别分别对应的RACH的第二资源配置,覆盖类别对应的第一资源配置包括各覆盖类别分别对应的终端用户设备的覆盖类别门限、资源的传输重复次数、资源的MCS配置和各覆盖类别分别对应的RACH的第二资源配置,RACH的第二资源配置包括随机接入前导码的传输重传次数、RACH子载波数目、RACH周期中的至少一项。
可选地,当各覆盖类别的数量和各覆盖类别分别对应的覆盖类别门限发生变化时,调整各覆盖类别分别对应的终端用户设备的资源的传输重复次数和所述资源的调制与编码策略MCS配置;
或在确定各覆盖类别的数量和各覆盖类别分别对应的覆盖类别门限之后,调整各覆盖类别分别对应的终端用户设备的资源的传输重复次数和资源的调制与编码策略MCS配置。
可选地,调整各覆盖类别对应的终端用户设备的资源的传输重复次数,包括以下至少一项:
调整PDCCH的传输重复次数,PDCCH的传输重复次数的调整包括公共搜索空间的消息msg2、消息msg3、消息msg4中的至少一项的传输重复次数的调整,以及专用搜索空间的传输重复次数的调整;
调整PDSCH的传输重复次数,PDSCH的传输重复次数的调整包括承载消息msg2的PDSCH的传输重复次数的调整、承载消息msg4的PDSCH的传输重复次数的调整、连接态承载下行信令和数据的PDSCH的传输重复次数的调整中的至少一项;
调整PUSCH的传输重复次数,PUSCH的传输重复次数的调整包括承载消息msg3的PUSCH的传输重复次数的调整、连接态承载上行信令和数据的PUSCH的传输重复次数的调整中的至少一项;
调整上行控制信息UCI的传输重复次数,UCI的传输重复次数的调整包括承载下行传输ACK和/或NACK的PUSCH的传输重复次数的调整、承载下行传输ACK和/或NACK的PUCCH中的至少一项。
可选地,调整各覆盖类别对应的终端用户设备的资源的MCS配置的调整,包括以下至少一项:
调整PDSCH的MCS配置,PDSCH的MCS配置的调整包括承载消息msg2的PDSCH的MCS配置的调整、承载消息msg4的PDSCH的MCS配置的调整、连接态承载下行信令和数据的PDSCH的MCS配置的调整中的至少一项;
调整PUSCH的MCS配置,PUSCH的MCS配置的调整包括承载消息msg3的PUSCH的MCS配置的调整、连接态承载上行信令和数据的PUSCH的MCS配置的调整中的至少一项。
可选地,接收第二网络设备发送的信息,包括以下至少之一:
接收服务管理和编排SMO发送的与第二网络设备相关的信息;
接收准实时RAN智能控制器Near-RT RIC发送的第二网络设备相关的信息,其中,第二网络设备相关的信息是Near-RT RIC从第二网络设备获取的。
可选地,将第一资源配置发送给第二网络设备,包括以下之一:
将第一资源配置发送给第二网络设备;
将第一资源配置发送给Near-RT RIC,第一资源配置由Near-RT RIC将第一资源配置发送给第二网络设备;
通过Near-RT RIC将第一资源配置发送给第二网络设备。
可选地,第一网络设备是非实时RAN智能控制器Non-RT RIC或准实时RAN智能控制器Near-RT RIC。
第二方面,本申请提供了一种信息处理的装置,应用于第一网络设备,包括:
第一处理模块,用于接收第二网络设备发送的与第二网络设备相关的信息;
第二处理模块,用于根据信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置;
第三处理模块,用于将第一资源配置发送给第二网络设备。
第三方面,本申请提供了一种电子设备,包括:处理器、存储器和总线;
总线,用于连接处理器和存储器;
存储器,用于存储操作指令;
处理器,用于通过调用操作指令,执行本申请第一方面的信息处理的方法。
第四方面,本申请提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被用于执行本申请第一方面的信息处理的方法。
本申请实施例提供的技术方案,至少具有如下有益效果:
根据信息,通过预测和计算分析得到第一资源配置,实现了不同覆盖类别的动态配置,节省了能耗,同时提高了***容量与性能。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为现有技术中3GPP NB-IoT覆盖等级CL的示意图;
图2为现有技术中IoT终端在白天的分布时变的示意图;
图3为现有技术中IoT终端在晚上的分布时变的示意图;
图4为现有技术中IoT终端分布时变特性的示意图;
图5为O-RAN逻辑架构的示意图;
图6为本申请实施例提供的一种信息处理的方法的流程示意图;
图7为本申请实施例提供的MassiveIoT智能动态优化***的示意图;
图8为本申请实施例提供的RSRP对应的容量分布的示意图;
图9为本申请实施例提供的RSRP滑动窗口的示意图;
图10为本申请实施例提供的***容量分布的示意图;
图11-a为本申请实施例提供的不同RSRP门限的示意图;
图11-b为本申请实施例提供的不同RSRP门限的示意图;
图11-c为本申请实施例提供的不同RSRP门限的示意图;
图12为本申请实施例提供的RSRP分布概率的示意图;
图13为本申请实施例提供的各覆盖等级最小RSRP分布的示意图;
图14为本申请实施例提供的根据RSRP计算传输重复次数和MCS的示意图;
图15为本申请实施例提供的各CL容量时变分布的示意图;
图16-a为本申请实施例提供的信息处理对应的***框架的示意图;
图16-b为本申请实施例提供的信息处理的原理流程的示意图;
图17为本申请实施例提供的信息处理的实现流程的示意图;
图18-a为本申请实施例提供的信息处理对应的***框架的示意图;
图18-b为本申请实施例提供的信息处理的原理流程的示意图;
图19为本申请实施例提供的信息处理的实现流程的示意图;
图20-a为本申请实施例提供的信息处理对应的***框架的示意图;
图20-b为本申请实施例提供的信息处理的原理流程的示意图;
图21为本申请实施例提供的信息处理的实现流程的示意图;
图22-a为本申请实施例提供的信息处理对应的***框架的示意图;
图22-b为本申请实施例提供的信息处理的原理流程的示意图;
图23为本申请实施例提供的信息处理的实现流程的示意图;
图24-a为本申请实施例提供的信息处理对应的***框架的示意图;
图24-b为本申请实施例提供的信息处理的原理流程的示意图;
图25为本申请实施例提供的信息处理的实现流程的示意图;
图26为本申请实施例提供的一种信息处理的装置的结构示意图;
图27为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。本申请中的各个步骤和各个方案之间可以组合;本申请的一个实施例中的部分步骤也可以结合成一个新方案,不需要该实施例中的所有步骤。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为了更好的理解及说明本申请实施例的方案,下面对本申请实施例中所涉及到的一些技术进行简单说明。
覆盖类别可以包括或称为覆盖等级,覆盖域别等。
覆盖特性可以包括RSRP,SINR(Signal to Interference plus Noise Ratio,信号与干扰加噪声比),RSRQ(Reference Signal Receiving Quality,参考信号接收质量)或者其它标识覆盖类别的指标。根据目前3GPP协议规定,按照覆盖等级的划分,NB-IoT最大支持3个覆盖等级,eMTC最大支持4个覆盖等级。在其它无线通信***或者将来的3GPP协议中最大覆盖等级可能会变化。
根据目前3GPP协议规定,不同覆盖等级通过定义RSRP(Reference SignalReceiving Power,参考信号接收功率)门限确定。在将来的3GPP协议中或者在其它无线通信***中覆盖类别的划分可能会通过定义其它门限指标确定,包括SINR,RSRQ或者其它标识覆盖差别的指标。在该案例中以RSRP为例说明。
每个覆盖等级的资源配置(受RSRP门限影响的参数集合)包括:
随机接入资源配置:包括发送前导码(msg1)的时域/频域资源,以及前导码重复次数。其中:
时域资源包括时域周期;
频域资源包括子载波数量;
前导码重复次数:代表1次前导码传输需要重复发送的次数;
调度资源配置:包括物理下行控制信道(Physical Downlink Control CHannel)、物理下行共享信道(Physical Downlink Shared CHannel,PDSCH)、物理上行共享信道(Physical Uplink Shared CHannel,PUSCH)、物理上行控制信道(PhysicalUplinkControl CHannel,PUCCH)的传输重复次数和/或MCS(Modulation and Coding Scheme,调制与编码策略)配置。
具体地,IoT终端可将测量的信号强度(RSRP)与RSRP门限相比较,确定自己所在的CL(Coverage Level,覆盖等级),之后再对应的RACH(Random Access Channel,随机接入信道)资源上发起随机接入,基站设备根据UE接入的CL选择对应的资源配置。比如,对于信号强度较好的CL,通过不设置重复次数或少量重复满足传输需求,同时保证较高的数据传输速率;对于信号强度较差的CL,通过设置较大的重复次数满足覆盖特性。
开放式无线接入网O-RAN重点围绕网络智能化、接口开放化、软件开源化和硬件白盒化等需求,旨在推动无线设备接口开放,通过引入人工智能等新技术,实现智能无线网络,将下一代无线通信网络的开放性提升到新的水平。
根据开放式无线接入网O-RAN规范,开放式无线接入网O-RAN逻辑架构如图5所示。无线侧实体包括Near-RT RIC、O-CU-CP、O-CU-UP、O-DU,以及O-eNB。
服务管理和编排(Service Managementand Orchestration,SMO)实体提供多种管理服务和网络管理功能,例如RAN管理、核心网管理、传输管理,以及端到端切片管理等。
非实时RAN智能控制器(Non-Real Time RAN Intelligent Controller,Non-RTRIC)是内置于SMO的逻辑实体,支持RAN网元和资源的非实时控制和优化,AI/ML模型建立、推理和更新,通过数据分析和AI/ML训练/推理来进行RAN优化,并通过A1接口向准实时RAN智能控制器(near-Real Time RAN Intelligent Controller,Near-RT RIC)提供策略指导、ML模型管理。
Near-RT RIC逻辑实体支持RAN网元和资源的准实时控制和优化,可包含AI(Artificial Intelligence,人工智能)/ML((Machine Learning,机器学习)模型训练、推理和更新,以及策略指导。Near-RT RIC通过E2接口向E2节点提供网络优化指令。
E2节点:包括O-RAN控制单元控制面(O-RAN-Control Unit-Control Plane,O-CU-CP),O-RAN控制单元用户面(O-RAN-Control Unit-User Plane,O-CU-UP),O-RAN数据单元(O-RAN-Data Unit,O-DU)、O-eNB等实体,其中O-CU-CP、O-CU-UP、O-DU用于5G NR接入,O-eNB用于E-UTRA接入。相比非O-RAN***的CU-CP、CU-UP和DU,E2节点增加支持E2接口。
O-eNB:支持O-RAN架构的eNB或ng-eNB。
O-Cloud:O-RAN云计算平台。
外部服务器:各类应用APP的服务器等,可以给SMO提供丰富数据。
O-RAN架构重点包括四个接口:
A1:位于Non-RT RIC和near-RT RIC之间,支持策略管理、丰富信息和ML模型管理服务。
E2:用于连接near-RT RIC和E2节点。一个E2节点只能连接到一个near-RT RIC。Near-RT RIC实体可通过E2接口收集无线网各功能实体的测量的准实时信息(UE级或小区级),也可通过E2接口下发控制命令字给基站,最终E2接口实现对基站行为的控制。
O1:位于O-RAN被管理实体(near-RT RIC,E2节点)和O-RAN管理实体(SMO)之间的接口,支持操作和管理,包括网络故障/配置/计费/性能/安全(Fault,Configuration,Accounting,Performance,Security,FCAPS)管理,物理网络功能(Physical NetworkFunction,PNF)软件管理和文件管理。
O2:O2接口连接SMO和O-Cloud,以支持O-RAN虚拟化。
开放前传M-平面接口:位于SMO和O-RAN射频单元(O-RAN-Radio Unit,O-RU)之间,用于支持O-RU管理。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例中提供了一种信息处理的方法,应用于第一网络设备,该方法的流程示意图如图6所示,该方法包括:
步骤S101,接收与第二网络设备相关的信息。
步骤S102,根据信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
步骤S103,将第一资源配置发送给第二网络设备。
可选地,根据信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据信息,确定各个覆盖特性分别对应的第二网络设备包括的终端用户设备在第一时间上的业务分布相关信息;
根据终端用户设备在第一时间上的业务分布相关信息,对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测或者计算,确定终端用户设备在第二时间上的业务分布相关信息;
根据终端用户设备在第二时间上的业务分布相关信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
可选地,覆盖类别为具有不同位置信息的覆盖区域;覆盖特性为参考量,参考量反映覆盖位置的一个特征,参考量以用于区分不同的覆盖类别。
可选地,覆盖类别包括覆盖等级、覆盖域别等;覆盖特性包括参考信号接收功率RSRP、信号与干扰加噪声比SINR、参考信号接收质量RSRQ、其他标识覆盖类别的指标等。
可选地,业务分布相关信息可能包括覆盖特性下的终端连接数目时间上分布,覆盖特性下业务时延性能的分布,覆盖特性下业务吞吐容量的分布,覆盖特性下业务位置信息的分布,覆盖特性下业务发生周期性分布特征,以及覆盖特性下业务容量性能基准。容量性能基准为各种配置信息下的对应的随机接入信道RACH的接入容量。本申请中以覆盖特性下的终端连接数目时间上分布和业务容量性能基准为例说明。
可选地,如图7所示,MassiveIoT智能动态优化***包括计算与控制单元101、网络设备102、外部服务器103和IoT终端104。计算与控制单元101主要负责数据分析和动态配置、判决、与控制操作;计算与控制单元101为第一网络设备。网络设备102可以是常规的4G基站设备、5G基站设备、增强的4G/5G基站,例如基于O-RAN架构的O-eNB,O-CU,O-DU等,或后续出现的网络设备,例如6G网络设备;第二网络设备包括网络设备102。外部服务器103可以提供辅助信息,外部服务器103可以是定位服务器、垂直行业业务服务器等。IoT终端104可以是指支持物联网的业务的终端,例如抄表终端、定位终端、温度或湿度传感节点等;第二网络设备还包括终端用户设备,终端用户设备为IoT终端104。
可选地,计算与控制单位101可以位于新增实体,可以位于现有实体,例如网络设备102、O-RAN架构下的RIC实体等。
可选地,在根据信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息之前,还包括:
接收外部服务器发送的业务信息,业务信息包括各个终端用户设备的位置信息和各个终端用户设备的特征信息;其中,位置信息包括定位服务器提供的终端用户设备的位置参数、定位服务器提供的飞行轨迹参数中的至少一项,特征信息包括业务周期、周期性上报时间中的至少一项;
根据信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息,包括:
根据信息和所述业务信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息。
可选地,信息包括第二网络设备的测量信息、第二网络设备的配置信息中的至少一项;测量信息包括信号强度数据、业务数据、性能数据中的至少一项;配置信息包括用于覆盖类别划分的覆盖类别门限配置、各覆盖类别分别对应的资源配置参数中的至少一项,覆盖类别门限配置为覆盖特性指标值,覆盖特性指标值以用于将覆盖区域划分成不同的覆盖类别。
可选地,覆盖类别门限配置包括RSRP、SINR、RSRQ与其他标识覆盖类别的指标等。
可选地,根据信息,确定各个覆盖特性对应的终端用户设备在第一时间上的业务分布相关信息,包括:根据业务数据和业务信息,确定有业务待发送且需接入第二网络设备的终端用户设备在第一时间上的分布信息;并根据性能数据和配置信息,确定不同配置信息对应的随机接入信道RACH的接入容量,业务分布相关信息包括分布信息和不同配置信息对应的RACH的接入容量。
可选地,根据终端用户设备在第一时间上的业务分布相关信息,对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测或计算,确定终端用户设备在第二时间上的业务分布相关信息,包括:
将终端用户设备在N个业务周期上的业务分布相关信息输入至预设的预测模型,通过预测模型对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测,得到N个业务周期后的第1个周期内各覆盖特性分别对应的业务的容量随时间的分布;
其中,第一时间包括N个业务周期,第二时间包括所述第1个周期,终端用户设备在第一时间上的业务分布相关信息用于表征N个周期内各覆盖特性分别对应的业务的容量随时间的分布,终端用户设备在第二时间上的业务分布相关信息用于表征第1个周期内各覆盖特性分别对应的业务的容量随时间的分布,N为正整数。
可选地,根据终端用户设备在第二时间上的业务分布相关信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据终端用户设备在第二时间上的业务分布相关信息,确定各覆盖类别分别对应的覆盖类别门限;
根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
可选地,根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定与第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据各覆盖类别分别对应的覆盖类别门限,确定各覆盖类别分别对应的终端用户设备的资源的传输重复次数和资源的调制与编码策略MCS配置,资源包括物理下行控制信道PDCCH、物理下行共享信道PDSCH、物理上行共享信道PUSCH、上行控制信息UCI中的至少一项;
根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定覆盖类别的数量和各覆盖类别分别对应的终端用户设备数量;
根据各覆盖类别分别对应的终端用户设备数量和信息包括的第二网络设备的配置信息对应的RACH的接入容量,确定各覆盖类别分别对应的RACH的第二资源配置,覆盖类别对应的第一资源配置包括各覆盖类别分别对应的终端用户设备的覆盖类别门限、资源的传输重复次数、资源的MCS配置和各覆盖类别分别对应的RACH的第二资源配置,RACH的第二资源配置包括随机接入前导码的传输重传次数、RACH子载波数目、RACH周期中的至少一项。
可选地,当各覆盖类别的数量和各覆盖类别分别对应的覆盖类别门限发生变化时,调整各覆盖类别分别对应的终端用户设备的资源的传输重复次数和所述资源的调制与编码策略MCS配置;
或在确定各覆盖类别的数量和各覆盖类别分别对应的覆盖类别门限之后,调整各覆盖类别分别对应的终端用户设备的资源的传输重复次数和资源的调制与编码策略MCS配置。
可选地,调整各覆盖类别对应的终端用户设备的资源的传输重复次数,包括以下至少一项:
调整PDCCH的传输重复次数,PDCCH的传输重复次数的调整包括公共搜索空间的消息msg2、消息msg3、消息msg4中的至少一项的传输重复次数的调整,以及专用搜索空间的传输重复次数的调整;
调整PDSCH的传输重复次数,PDSCH的传输重复次数的调整包括承载消息msg2的PDSCH的传输重复次数的调整、承载消息msg4的PDSCH的传输重复次数的调整、连接态承载下行信令和数据的PDSCH的传输重复次数的调整中的至少一项;
调整PUSCH的传输重复次数,PUSCH的传输重复次数的调整包括承载消息msg3的PUSCH的传输重复次数的调整、连接态承载上行信令和数据的PUSCH的传输重复次数的调整中的至少一项。
调整上行控制信息UCI的传输重复次数,UCI的传输重复次数的调整包括承载下行传输ACK和/或NACK的PUSCH的传输重复次数的调整、承载下行传输ACK和/或NACK的PUCCH中的至少一项。
可选地,调整各覆盖类别对应的终端用户设备的资源的MCS配置的调整,包括以下至少一项:
调整PDSCH的MCS配置,PDSCH的MCS配置的调整包括承载消息msg2的PDSCH的MCS配置的调整、承载消息msg4的PDSCH的MCS配置的调整、连接态承载下行信令和数据的PDSCH的MCS配置的调整中的至少一项;
调整PUSCH的MCS配置,PUSCH的MCS配置的调整包括承载消息msg3的PUSCH的MCS配置的调整、连接态承载上行信令和数据的PUSCH的MCS配置的调整中的至少一项。
可选地,接收第二网络设备发送的信息,包括以下至少之一:
接收服务管理和编排SMO发送的与第二网络设备相关的信息;
接收准实时RAN智能控制器Near-RT RIC发送的第二网络设备相关的信息,其中,第二网络设备相关的信息是Near-RT RIC从第二网络设备获取的。
可选地,将第一资源配置发送给第二网络设备,包括以下之一:
将第一资源配置发送给第二网络设备;
将第一资源配置发送给Near-RT RIC,第一资源配置由Near-RT RIC将第一资源配置发送给第二网络设备;
通过Near-RT RIC将第一资源配置发送给第二网络设备。
可选地,第一网络设备是非实时RAN智能控制器Non-RT RIC或准实时RAN智能控制器Near-RT RIC。
本申请实施例提供的技术方案,至少具有如下有益效果:
对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测或计算,实现了小区中不同覆盖等级的动态配置,节省了能耗,同时提高了***容量与性能。
为了更加详细具体的说明本申请实施例所提供的方法,下面将通过多个可选的实施例来对本申请的方案进行全面详尽的介绍:
可选实施例一
本申请实施例中提供了又一种信息处理的方法,应用于计算与控制单元,该方法包括:
步骤1:网络设备负责采集数据,并且上报给计算与控制单元。
可选地,采集的数据主要是网络设备的常规测量信息和配置信息。
其中,常规测量信息包括:信号强度数据、业务数据和性能数据。
信号强度数据:UE上报的信号强度参数,例如测量RSRP信息。
业务数据:网络设备统计的每个UE的缓存变化,例如上行缓存信息和下行缓存信息。
性能数据:网络设备统计的每个覆盖等级的接入性能数据,包括统计周期内成功接收的随机接入过程各消息的数量、前导码数(Msg1)和竞争决议数量(Msg4)。
其中,配置信息包括用于覆盖等级划分的RSRP门限配置,以及每个覆盖等级对应的资源配置参数。
每个覆盖等级对应的资源配置参数包括:PRACH(Physical Random AccessChannel,物理随机接入信道)资源配置参数和调度资源配置参数;PRACH资源配置参数包括PRACH周期、频域子载波数量等;调度资源配置参数包括PDCCH、PDSCH、PUSCH的传输重复次数和MCS配置参数。
步骤2:外部服务器通过开放接口将外部数据发送给计算与控制单元。
可选地,外部数据主要包括IoT终端的位置信息和IoT业务的特征信息;IoT终端的位置信息包括定位服务器提供的位置参数、飞行轨迹参数等;IoT业务的特征信息包括行业服务器提供的IoT业务周期、周期性上报时间等。
步骤3:计算与控制单元对测量数据和外部数据进行分析,获得各个RSRP下的IoT业务时变分布。
可选地,计算与控制单元对测量数据和外部数据分析,具体包括:
利用上报的缓存信息和IoT业务信息,可以得到有业务待发送而需要接入网络设备的IoT终端(以下简称“IoT业务终端”)在时间上变化分布。
可选地,利用外部位置信息,可以进一步得到各个RSRP下的IoT业务终端在时间上的分布。
利用上报的接入性能数据和配置信息,可以得到在不同的RACH配置下***的容量性能基准。
步骤4:计算与控制单元预测下一时间段的IoT业务终端分布。
可选地,步骤4利用步骤3获得的各个RSRP下的IoT业务终端在时间上的分布,预测下一个时间段的各个RSRP下的IoT业务终端在时间上的分布。
步骤5:计算与控制单元基于预测的IoT业务终端分布,形成优化的无线资源和传输参数。
可选地,步骤5利用步骤4获得的各个RSRP下的IoT业务终端分布预测,聚类获得不同覆盖等级的RSRP门限。
可选地,基于获得RSRP门限,计算各CL下IoT终端的PDCCH/PDSCH/PUSCH/UCI(Uplink Control Information,上行控制信息)的重复次数和MCS(Modulation andCoding Scheme,调制与编码策略)配置。具体包括:
物理下行控制信道的重复次数的调整,包括公共搜索空间的msg2消息、msg3消息和msg4消息的重复次数的调整,以及专用搜索空间的重复次数的调整。
物理下行共享信道的重复次数的调整和MCS配置的调整,包括承载msg2消息/msg4消息,以及连接态承载下行信令和数据的物理下行共享信道的重复次数的调整和MCS配置的调整。
物理上行共享信道的重复次数的调整和MCS配置的调整,包括承载msg3消息,以及连接态承载上行信令和数据的物理上行共享信道的重复次数的调整和MCS配置的调整。
可选地,重复次数和MCS配置的调整可发生在CL覆盖等级数量及门限发生变化时,调整每个覆盖等级的重复次数和MCS值;也可在确定CL覆盖等级数量及门限之后,以更细时间粒度调整每个覆盖等级的重复次数和MCS值。
可选地,基于获得的RSRP门限,再结合各个RSRP下的IoT业务终端分布,获得每个覆盖等级下的IoT终端数量。
可选地,基于每个覆盖等级下的IoT终端数量,结合步骤3获得的接入性能容量基准,获得每个覆盖等级下的最优RACH(Random Access Channel,随机接入信道)配置参数。
步骤6:计算与控制单元将优化的无线资源和传输参数发送给网络设备,网络设备进行参数更新并执行配置。
可选地,对于步骤4,计算与控制单元利用人工智能AI模型、机器学习ML模型中的至少一项对下一时间段的业务分布进行预测,涉及利用历史数据(例如过去一年的数据)对AI模型进行训练,基于最近N(>=1)个周期的分布特征去预测得到下一个周期内不同RSRP下IOT业务的容量随时间的分布。例如预测的在下一个周期T内第i个RSRP下的需求容量分布为公式(1),公式(1)如下所示:
Capacity_RSRPi(t) (0<t<T)公式(1)
可选地,对于步骤5,计算与控制单元基于预测的IoT业务终端分布,形成优化的无线资源和传输参数,具体包括:
步骤5-1,估计***下CL的分类配置参数,包括RSRP门限值和CL数量。
基于预测的IoT业务终端分布,采用方差分析的方法来得到覆盖等级数量及对应的RSRP门限。
第1步:根据步骤4获得的AI预测结果,公式(2)计算在预测周期T内第i个RSRP下的容量需求之和,公式(2)如下所示:
Capacity_RSRPi(T)=∑TCapacity_RSRPi(t)公式(2)
进而得到周期T内需求容量的分布。如图8所示,X轴为RSRP值,Y轴为预测周期T内各个RSRP对应的容量。
第2步:如图9所示,利用滑动窗口,把周期T内的RSRP分布范围划分为m个区域。设置的滑动窗口的数目取决于***最大支持的覆盖等级。如果***最大支持的覆盖等级是M个(例如在目前的NBIOT***中是3个,本案以3为例分析),则采用M-1个滑动窗来进行划分,并且m=1~M。)
第3步:对step2中滑动窗的每一次滑动得到的m个划分区域,分别进行方差分析,如图10所示,考虑到容量分布的影响进行相应的加权处理,对第i个区域的加权方差为公式(3),公式(3)如下所示:
其中,CLi:第i个覆盖等级,i=1~M;ri:IoT业务终端的RSRP值,范围是[RSRPmin,RSRPmax];C(r):容量函数;Ni:第i个覆盖等级下的RSRP的总体值;M:***最大支持的覆盖等级。
第4步:选择值RSRP TH1&TH2&…&THM-1值,使得在此划分的区域下,***所对应的离散性方差最小,如公式(4)所示,公式(4)表示M个加权方差和的最小值。
第5步:基于第4步得到的RSRPTH1&TH2&…&THM-1值,得到RSRP门限的***配置。
可选地,NB-IoT最大支持3个覆盖等级。
根据第4步获得的RSRP TH1&TH2值,可分为图11-a、11-b和11-c所示的三种情况:
如图11-a所示,方差最小的TH1=RSRPmax,TH2=RSRPmin,则认为所有IoT终端的RSRP分布在不划分范围的条件下方差最小,因此不需要配置RSRP门限,小区只有1个覆盖等级。
如图11-b所示,方差最小的TH2=RSRPmin,TH1!=RSRPmin,则判定只需要配置1个门限为TH1,小区划分为2个覆盖等级。
如图11-c所示,方差最小的TH2!=RSRPmin,TH1!=TH2,且TH1!=RSRPmax,则判定门限为TH1和TH2,小区划分为3个覆盖等级。
步骤5-2-1,计算不同CL下数据参数的配置,包括重传次数和MCS值。
第1步:估计不同CL范围内IOT业务的最小RSRP值随时间变化的分布。根据前面得到的RSRP门限值,可以得到在下一个周期不同CL内RSRP值的范围。
可选地,如图12所示,基于AI的预测可以得到每个RSRP下的容量需求分布,如公式(1)所示:Capacity_RSRPi(t)(0<t<T)
可选地,当Capacity_RSRPi(t1)=0或者Capacity_RSRPi(t1)<Capacity_Threshold,则在t1时刻,在RSRPi下IOT业务发生的概率为零(或者非常小),不会有数据传输,则对应RSRP存在概率为0,否则存在概率为1。
可选地,通过对CL范围内的所有RSRP在时间周期T内每一时刻t的分析,得到CL范围内所有RSRP存在概率为1的RSRP集合,进而得到周期T范围内每一时刻t,***对应的最小RSRP值,即CL内最小RSRP值随时间变化的分布。
可选地,如图13所示,可以得到***每个CL下最小RSRP值随时间变化的分布。
第2步:分析每个CL内最小RSRPmin(t)值随时间变化波动特征。计算时长分别为td1与td2的前后两个时间段t1与t2内最小RSRP变化,如公式(5)所示:
ΔRSRP=RSRPmin(t2)-RSRPmin(t1)公式(5)
第3步:基于ΔRSRP,估计在时间段t2内数据传输重复次数和MCS的配置的变化。重复次数的变化定义为ΔRep,编码调制的变化定义为ΔMCS,一种可能的相关算法如图14所示,其中X,Y,Z值取决于设备的性能,可以预先配置。
基于S301得到的ΔRSRP取整,得到整数型的差值;
S302,判断ΔRSRP是否不小于XdB;当ΔRSRP不小于XdB,则传输重复次数的变化为:
S303,ΔRep=floor(ΔRSRP/X);
重复次数调整后,剩余RSRP差为:
S304,ΔRSRPr=ΔRSRP-X*ΔRep;
S305,判断ΔRSRPr是否大于YdB;
当ΔRSRPr小于YdB,则S309,MCS配置不做变化:ΔMCS=0;
S306,判断ΔRSRPr是否大于ZdB;
当ΔRSRPr大于YdB但小于ZdB,则S307,MCS配置变化为:ΔMCS=1;
当ΔRSRPr大于ZdB,则S308,MCS配置变化为:ΔMCS=2;
S302判断ΔRSRP是否不小于XdB;如果ΔRSRP小于XdB,则传输重复次数不变化,S310ΔRep=0;MCS配置变化为:
S311,判断ΔRSRPr是否大于YdB;
当ΔRSRP小于YdB,则S312,MCS配置不做变化:ΔMCS=0;
S313,判断ΔRSRPr是否大于ZdB;
当ΔRSRP大于YdB但小于ZdB,则S314,MCS配置变化为:ΔMCS=1;
当ΔRSRP大于ZdB,则S315,MCS配置变化为:ΔMCS=2。
第4步:基于时间段t1内数据传输重复次数RepNum1和MCS1,配置在时间段t2内数据传输重复次数RepNum2和MCS2,如公式(6)和(7)所示:
RepNum2=RepNum1+ΔRep公式(6)
MCS2=MCS1+ΔMCS公式(7)
步骤5-2-2:计算不同CL下RACH的参数配置,包括随机接入前导码preamble重传次数、子载波数目和周期。
第1步:估计不同CL范围内IOT业务的容量需求随时间变化的分布
首先,根据前面得到的RSRP门限值可以得到在下一个周期不同CL内RSRP值的范围;
基于AI的预测得到的每个RSRP下的需求容量分布,如公式(1)所示:
Capacity_RSRPi(t)(0<t<T)
在周期T内,CLx下IOT业务的总的需求容量随时间的分布特征,如公式(8)所示:
CapacityCLx_RSRP(t)=∑i Capacity_RSRPi(t)公式(8)
从而可以得到***每个CL下IOT业务的容量需求随时间变化的分布,如图15所示。
第2步:分析每个CL内IOT容量需求随时间变化波动特征。计算时长分别为td1与td1的前后两个时间段t1与t2内容量需求的变化,如公式(9)所示:
ΔCapacity=CapacityCLx_RSRP(t2)-CapacityCLx_RSRP(t1)公式(9)
第3步:基于ΔCapacity判断是否重新配置CL的RACH资源。
如果ΔCapacity大于门限ΔCapacity_Threshold,则认为目前的IoT容量增加,现有的RACH资源无法满足接入需求,需要重新配置RACH资源;否则RACH资源配置不改变。
第4步:确定CL下RACH的资源配置。
基于前期得到的不同RACH配置下的容量性能基准,估计在时间段t2内满足CapacityCLx_RSRP(t2)容量需求的RACH资源配置,包括:重复次数,周期和子载波的数目。
容量性能基准给出了不同RACH资源配置(重复次数,周期,子载波数目)和接入需求用户数下,***的接入成功率或者***的接入容量值。
根据估计的需求容量CapacityCLx_RSRP(t2),在容量基准中选择在该需求容量下使***接入成功率最高的配置为时间段t2内RACH的配置。
可选实施例二
图16-a和图16-b示出了在O-RAN***下的一种信息处理的原理流程和对应O-RAN***框架中的模块和接口。如图16-a和图16-b所示:
步骤(1):SMO模块从应用服务器收集终端的位置信息,IOT业务的特征信息,例如业务的周期特征。以上信息用于实现小区中IOT覆盖特性和业务特征的估计和预测。
IOT用户的位置大多数是静止的(例如抄表业务)或者是运行轨迹是规律的(例如高压电线巡检业务),运营商可以从垂直行业那里得到相关的信息并提前存储到运营服务器中。
IOT业务一般有周期性的规律性,例如湿度检测业务,每固定时间间隔检测上报一次周围环境的湿度指标,运营商也可以把垂直行业的相关需求信息并提前存储到运营服务器中。
SMO通过公开接口可以从运行服务器中获得提前存储到服务器中的来自于垂直行业的终端与业务的配置信息(例如位置与业务发生的周期性)。
步骤(2):SMO通过O1接口接收来自于O-eNB或者O-DU的信息,该信息包括:IOT终端上报的测量量RSRP、BSR,以及基站测量统计和配置的信息;该基站测量统计和配置的信息包括:每个CL中接收Msg1的数目,每个CL中接收Msg4的数目,以及UE下行的BO大小;目前小区的配置信息包括:RACH的配置信息(每个CL的子载波资源数目,preamble码的重复次数,周期),每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,以及小区内CL对应的RSRP门限值。
步骤(3):SMO把接收到的测量量通过内部总线传输给Non-RT RIC,Non-RT RIC对测量和统计的结果进行分析,涉及到利用用户BO和垂直行业预设的周期或者时间设置得到各个RSRP覆盖下IOT业务的周期特性;涉及到利用每个CL中接收到的Msg1数目和Msg4数目以及对应的RACH配置信息,分析得到在不同的RACH配置下的容量性能基准。该容量基准给出了不同RACH配置(重复次数,周期,子载波数目),在任一接入需求用户数下,***的接入成功率或者***的接入容量值。
步骤(4):Non-RT RIC利用AI/ML对下一时间段的业务分布进行预测,涉及Non-RTRIC利用历史数据(例如过去一年的数据)对AI模型进行训练,得到适合小区内IOT业务的AI模型。涉及利用训练出来的AI模型,结合步骤(3)得到的业务周期分布特征和最近N(>=1)个周期内实际测量数据去预测下一个周期内不同RSRP下IOT业务的容量随时间的分布。
步骤(5):Non-RT RIC基于小区内IOT业务的分布特征,动态配置小区无线资源和传输参数,包括:利用容量加权方差分析的方法对同一小区下IOT终端进行聚类,具体是通过估计并设置不同RSRP门限值实现的。进一步,对同一聚类下的IOT用户,估计覆盖特性随时间变化的波动特征,根据该波动特征去动态估计数据传输需要的重复次数和MCS的变化,从而得到在不同的时间段,同一类IOT用户数据传输的重复次数和MCS的最佳配置。另一方面,为了保证同一类IOT用户接入的性能,估计同一类用户IOT业务在不同时间段下的容量需求分布,利用步骤(3)中得到的不同RACH配置下的容量性能基准,估计出不同时间段内最佳的RACH资源与传输参数配置(包括RACH子载波数目、周期,以及重复次数)。
步骤(6):通过内部总线接口Non-RT RIC把在步骤(5)得到的资源与传输参数配置传输给SMO。下一步,SMO利用O1接口把相关的参数配置发送给O-eNB或者O-DU。最后,O-eNB或者O-DU完成资源配置参数的更新。
可选地,一种信息处理的原理流程,如图17所示:
S401,OAM接收外部服务器发送的数据信息。
可选地,数据信息包括:IOT终端的位置信息,IOT业务的特征信息,例如业务发生的时间和周期等。
S402,OAM通过O1接口接收来自于E2节点的测量与配置信息:RSRP测量值,终端缓存中的数据量大小,RACH相关的配置与性能信息,数据与控制信道等小区的配置信息等。
S403,OAM将数据提取并传送给Non-RT RIC。
S404,Non-RT RIC分析得到IOT业务的覆盖特性,周期特性和容量性能。
S405,Non-RT RIC训练AI/ML模型并预测RSRP级的容量分布。
S406,Non-RT RIC估计并确定业务覆盖等级和传输与资源配置参数。
S407,Non-RT RIC通过内部总线把IOT业务的配置信息传送到OAM。
S408,OAM通过O1接口下发小区IOT业务的配置信息到E2节点。
可选实施例三
图18-a和图18-b示出了在O-RAN***下的一种信息处理的原理流程和对应O-RAN***框架中的模块和接口。与实施例二相比,实施例三中配置参数的传送接口不同。如图18-a和图18-b所示:
步骤(1)~(5):与实施例二中对应步骤(1)~(5)相同。
步骤(6):通过A1接口把步骤(5)中Non-RT RIC得到的资源与传输参数配置结果发送给Near-RT RIC。然后,利用E2接口发送给O-eNB或者O-DU。最后,O-eNB或者O-DU完成资源配置参数的更新。
可选地,一种信息处理的原理流程,如图19所示:
S501,OAM接收外部服务器发送的数据信息。
可选地,数据信息包括:IOT终端的位置信息,IOT业务的特征信息,例如业务发生的时间和周期等。
S502,OAM通过O1接口接收来自于E2节点的测量与配置信息:RSRP测量值,终端缓存中的数据量大小,RACH相关的配置与性能信息,数据与控制信道等小区的配置信息等。
S503,OAM将数据提取并传送给Non-RT RIC。
S504,Non-RT RIC分析得到IOT业务的覆盖特性,周期特性和容量性能。
S505,Non-RT RIC训练AI/ML模型并预测RSRP级的容量分布。
S506,Non-RT RIC估计并确定业务覆盖等级和传输与资源配置参数。
S507,Non-RT RIC通过A1接口下发小区IOT业务的配置给Near-RT RIC。
S508,Near-RT RIC通过E2接口下发小区IOT业务的配置信息。
可选实施例四
图20-a和图20-b示出了在O-RAN***下的一种信息处理的原理流程和对应O-RAN***框架中的模块和接口。如图20-a和图20-b所示:
步骤(1):SMO模块从应用服务器收集终端的位置信息,IOT业务的特征信息,例如业务的周期特征。以上信息用于实现小区中IOT覆盖特性和业务特征的估计和预测。
IOT用户的位置大多数是静止的(例如抄表业务)或者是运行轨迹是规律的(例如高压电线巡检业务),运营商可以从垂直行业那里得到相关的信息并提前存储到运营服务器中。
IOT业务一般有周期性的规律性,例如湿度检测业务,每固定时间间隔检测上报一次周围环境的湿度指标,运营商也可以把垂直行业的相关需求信息并提前存储到运营服务器中。
SMO通过公开接口可以从运行服务器中获得提前存储到服务器中的来自于垂直行业的终端与业务的配置信息(例如位置与业务发生的周期性)。
步骤(2.1):SMO通过O1接口接收来自于O-eNB或者O-DU的信息,包括IOT终端上报的测量量RSRP与BSR,以及基站测量统计和配置的信息:每个CL中接收Msg1的数目,每个CL中接收Msg4的数目,UE下行的BO大小,目前小区的配置信息,包括RACH的配置信息(每个CL的子载波资源数目,preamble码的重复次数,周期),每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
步骤(2.2):Near-RT RIC通过E2接口接收来自于O-eNB或者O-DU的信息,包括IOT终端上报的测量量RSRP与BSR,以及基站测量统计和配置的信息:UE下行的BO大小,目前小区的配置信息,每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
步骤(3.1):SMO把接收到的测量量通过内部总线传输给Non-RT RIC,Non-RT RIC对测量和统计的结果进行分析,涉及到利用用户BO和垂直行业预设的周期或者时间设置得到各个RSRP覆盖下IOT业务的周期特性;涉及到利用每个CL中接收到的Msg1数目和Msg4数目以及对应的RACH配置信息,分析得到在不同的RACH配置下的容量性能基准。该容量基准给出了不同RACH配置(重复次数,周期,子载波数目),在任一接入需求用户数下,***的接入成功率或者***的接入容量值。
步骤(3.2):Non-RT RIC通过A1接口把分析得到的各个RSRP覆盖下IOT业务的周期特性与不同的RACH配置下的容量性能基准结果,传递给Near-RT RIC。
步骤(4.1):Non-RT RIC利用长期历史数据(例如过去一年的数据)对AI模型进行训练,得到适合小区内IOT业务的AI模型。
步骤(4.2):Non-RT RIC利用O1接口把训练得到的适用于IOT业务AI模型部署到Near-RT RIC。
步骤(4.3):Near-RT RIC利用AI/ML模型对下一时间段的业务分布进行预测,涉及利用训练出来的AI模型,结合步骤(3.2)得到的业务周期分布特征和步骤(2.2)采集的最近N(>=1)个周期内实际测量数据去预测下一个周期内不同RSRP下IOT业务的容量随时间的分布。
步骤(5):Near-RT RIC根据小区内IOT业务的分布特征,动态配置小区无线资源和传输参数,包括:利用容量加权方差分析的方法对同一小区下IOT终端进行聚类,具体是通过估计并设置不同RSRP门限值实现的。进一步,对同一聚类下的IOT用户,估计覆盖特性随时间变化的波动特征,根据该波动特征去动态估计数据传输需要的重复次数和MCS的变化,从而得到在不同的时间段,同一类IOT用户数据传输的重复次数和MCS的最佳配置。另一方面,为了保证同一类IOT用户接入的性能,估计同一类用户IOT业务在不同时间段下的容量需求分布,利用步骤(3.2)中得到的不同RACH配置下的容量性能基准,估计出不同时间段内最佳的RACH资源与传输参数配置(包括RACH子载波数目、周期,以及重复次数)。
步骤(6):Near-RT RIC利用E2接口发送给O-eNB或者O-DU,O-eNB或者O-DU完成资源配置参数的更新。
可选地,一种信息处理的原理流程,如图21所示:
S601,OAM接收外部服务器发送的数据信息。
可选地,数据信息包括:IOT终端的位置信息,IOT业务的特征信息,例如业务发生的时间和周期等。
S602,OAM通过O1接口接收来自于E2节点的测量与配置信息:RSRP测量值,终端缓存中的数据量大小,RACH相关的配置与性能信息,数据与控制信道等小区的配置信息等。
S603,OAM将数据提取并传送给Non-RT RIC。
S604,Non-RT RIC分析得到IOT业务的覆盖特性,周期特性和容量性能。
S605,Non-RT RIC利用长期历史测量数据训练AI/ML模型。
S606,Non-RT RIC通过O1接口把AI/ML模型传给near-RT RIC。
S607,Non-RT RIC通过A1接口传送分析得到的业务特性与性能信息给near-RTRIC。
S608,near-RT RIC通过E2接口接收来自于E2节点的测量与配置信息:RSRP测量值,终端缓存中的数据量大小,RACH相关的配置与性能信息,数据与控制信道等小区的配置信息等。
S609,near-RT RIC训练AI/ML模型并预测RSRP级的容量分布。
S610,near-RT RIC估计并确定业务覆盖等级和传输与资源配置参数。
S611,near-RT RIC通过E2接口下发小区IOT业务的配置信息。
可选实施例五
图22-a和图22-b示出了在O-RAN***下的一种信息处理的原理流程和O-RAN***框架中对应的模块和接口。如图22-a和图22-b所示:
步骤(1),SMO模块从应用服务器收集终端的位置信息,IOT业务的特征信息,例如业务的周期特征。以上信息用于实现小区中IOT覆盖特性和业务特征的估计和预测。
IOT用户的位置大多数是静止的(例如抄表业务)或者是运行轨迹是规律的(例如高压电线巡检业务),运营商可以从垂直行业那里得到相关的信息并提前存储到运营服务器中。
IOT业务一般有周期性的规律性,例如湿度检测业务,每固定时间间隔检测上报一次周围环境的湿度指标,运营商也可以把垂直行业的相关需求信息并提前存储到运营服务器中。
SMO通过公开接口可以从运行服务器中获得提前存储到服务器中的来自于垂直行业的终端与业务的配置信息(例如位置与业务发生的周期性)
步骤(2.1),()SMO通过O1接口接收来自于O-eNB或者O-DU的信息,包括IOT终端上报的测量量RSRP与BSR,以及基站测量统计和配置的信息:每个CL中接收Msg1的数目,每个CL中接收Msg4的数目,UE下行的BO大小,目前小区的配置信息,包括RACH的配置信息(每个CL的子载波资源数目,preamble码的重复次数,周期),每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
步骤(2.2),Near-RT RIC通过E2接口接收来自于O-eNB或者O-DU的***资源配置的信息:每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
步骤(3.1),SMO把接收到的测量量通过内部总线传输给Non-RT RIC,Non-RT RIC对测量和统计的结果进行分析,涉及到利用用户BO和垂直行业预设的周期或者时间设置得到各个RSRP覆盖下IOT业务的周期特性;涉及到利用每个CL中接收到的Msg1数目和Msg4数目以及对应的RACH配置信息,分析得到在不同的RACH配置下的容量性能基准。该容量基准给出了不同RACH配置(重复次数,周期,子载波数目),在任一接入需求用户数下,***的接入成功率或者***的接入容量值。其中,各个RSRP覆盖下IOT业务的周期特性会传递给Non-RT RIC内部的AI预测处理环节。
步骤(3.2),Non-RT RIC通过A1接口把分析得到的不同的RACH配置下的容量性能基准结果,传递给Near-RT RIC。
步骤(4.1),Non-RT RIC利用长期历史数据(例如过去一年的数据)对AI模型进行训练,得到适合小区内IOT业务的AI模型。并且Non-RT RIC利用训练出来的AI模型,结合步骤(3.1)得到的业务周期分布特征和步骤(2.1)采集的最近N(>=1)个周期内实际测量数据去预测下一个周期内不同RSRP下IOT业务的容量随时间的分布。
步骤(4.2),Non-RT RIC利用A1接口,把预测的不同RSRP下IOT业务的容量随时间的分布信息传递给Near-RT RIC
步骤(5),Near-RT RIC根据小区内IOT业务的分布特征,动态配置小区无线资源和传输参数,包括:利用容量加权方差分析的方法对同一小区下IOT终端进行聚类,具体是通过估计并设置不同RSRP门限值实现的。进一步,对同一聚类下的IOT用户,估计覆盖特性随时间变化的波动特征,根据该波动特征去动态估计数据传输需要的重复次数和MCS的变化,从而得到在不同的时间段,同一类IOT用户数据传输的重复次数和MCS的最佳配置。另一方面,为了保证同一类IOT用户接入的性能,估计同一类用户IOT业务在不同时间段下的容量需求分布,利用步骤(3.2)中得到的不同RACH配置下的容量性能基准,估计出不同时间段内最佳的RACH资源与传输参数配置(包括RACH子载波数目、周期,以及重复次数)。
步骤(6),Near-RT RIC利用E2接口发送给O-eNB或者O-DU,O-eNB或者O-DU完成资源配置参数的更新。
可选地,一种信息处理的原理流程,如图23所示:
S701,OAM接收外部服务器发送的数据信息。
可选地,数据信息包括:IOT终端的位置信息,IOT业务的特征信息,例如业务发生的时间和周期等。
S702,OAM通过O1接口接收来自于E2节点的测量与配置信息:RSRP测量值,终端缓存中的数据量大小,RACH相关的配置与性能信息,数据与控制信道等小区的配置信息等。
S703,OAM将数据提取并传送给Non-RT RIC。
S704,Non-RT RIC分析得到IOT业务的覆盖特性,周期特性和容量性能。
S705,Non-RT RIC利用长期历史测量数据训练AI/ML模型。
S706,Non-RT RIC训练AI/ML模型并预测RSRP级的容量分布。
S707,Non-RT RIC通过A1接口传送分析得到的业务特性与性能信息给near-RTRIC。
S708,Non-RT RIC通过A1接口把预测的容量分布信息传给near-RT RIC。
S709,near-RT RIC通过E2接口接收来自于E2节点的配置信息:RACH相关的配置,数据与控制信道等小区的配置信息等。
S710,near-RT RIC估计并确定业务覆盖等级和传输与资源配置参数。
S711,near-RT RIC通过E2接口下发小区IOT业务的配置信息。
可选实施例六
图24-a和图24-b示出了在O-RAN***下的一种信息处理的原理流程和O-RAN***框架中对应的模块和接口。
如图24-a和图24-b所示:步骤(1),SMO模块从应用服务器收集终端的位置信息,IOT业务的特征信息,例如业务的周期特征。以上信息用于实现小区中IOT覆盖特性和业务特征的估计和预测。
IOT用户的位置大多数是静止的(例如抄表业务)或者是运行轨迹是规律的(例如高压电线巡检业务),运营商可以从垂直行业那里得到相关的信息并提前存储到运营服务器中。
IOT业务一般有周期性的规律性,例如湿度检测业务,每固定时间间隔检测上报一次周围环境的湿度指标,运营商也可以把垂直行业的相关需求信息并提前存储到运营服务器中。
SMO通过公开接口可以从运行服务器中获得提前存储到服务器中的来自于垂直行业的终端与业务的配置信息(例如位置与业务发生的周期性)。
步骤(2.1),Near-RT RIC通过E2接口接收来自于O-eNB或者O-DU的信息,包括IOT终端上报的测量量RSRP与BSR,以及基站测量统计和配置的信息:每个CL中接收Msg1的数目,每个CL中接收Msg4的数目,UE下行的BO大小,目前小区的配置信息,包括RACH的配置信息(每个CL的子载波资源数目,preamble码的重复次数,周期),每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
步骤(2.2),Near-RT RIC通过O1接口转发来自于O-eNB或者O-DU的以及配置的信息到SMO。
步骤(3.1),SMO把接收到的以及配置的信息通过内部总线传输给Non-RT RIC,Non-RT RIC对测量和统计的结果进行分析,涉及到利用用户BO和垂直行业预设的周期或者时间设置得到各个RSRP覆盖下IOT业务的周期特性;涉及到利用每个CL中接收到的Msg1数目和Msg4数目以及对应的RACH配置信息,分析得到在不同的RACH配置下的容量性能基准。该容量基准给出了不同RACH配置(重复次数,周期,子载波数目),在任一接入需求用户数下,***的接入成功率或者***的接入容量值。
步骤(3.2),Non-RT RIC通过A1接口把分析得到的各个RSRP覆盖下IOT业务的周期特性与不同的RACH配置下的容量性能基准结果,传递给Near-RT RIC。
步骤(4.1),Non-RT RIC利用长期历史数据(例如过去一年的数据)对AI模型进行训练,得到适合小区内IOT业务的AI模型。
步骤(4.2),Non-RT RIC利用O1接口把训练得到的适用于IOT业务AI模型部署到Near-RT RIC。
步骤(4.3),Near-RT RIC利用AI/ML模型对下一时间段的业务分布进行预测,涉及利用训练得到的AI模型结合步骤(3.2)得到的业务周期分布特征和步骤(2.1)采集的最近N(>=1)个周期内实际测量数据去预测下一个周期内不同RSRP下IOT业务的容量随时间的分布。
步骤(5),Near-RT RIC根据小区内IOT业务的分布特征,动态配置小区无线资源和传输参数,包括:利用容量加权方差分析的方法对同一小区下IOT终端进行聚类,具体是通过估计并设置不同RSRP门限值实现的。进一步,对同一聚类下的IOT用户,估计覆盖特性随时间变化的波动特征,根据该波动特征去动态估计数据传输需要的重复次数和MCS的变化,从而得到在不同的时间段,同一类IOT用户数据传输的重复次数和MCS的最佳配置。另一方面,为了保证同一类IOT用户接入的性能,估计同一类用户IOT业务在不同时间段下的容量需求分布,利用步骤(3.2)中得到的不同RACH配置下的容量性能基准,估计出不同时间段内最佳的RACH资源与传输参数配置(包括RACH子载波数目、周期,以及重复次数)。
步骤(6),Near-RT RIC利用E2接口发送给O-eNB或者O-DU,O-eNB或者O-DU完成资源配置参数的更新。
可选地,一种信息处理的原理流程,如图25所示:
S801,OAM接收外部服务器发送的数据信息。
可选地,数据信息包括:IOT终端的位置信息,IOT业务的特征信息,例如业务发生的时间和周期等。
S802,near-RT RIC通过E2接口接收来自于E2节点的测量与配置信息。
S803,OAM通过O1接口接收near-RT RIC发送的来自于E2节点的测量信息。
S804,OAM将数据提取并传送给Non-RT RIC。
S805,Non-RT RIC分析得到IOT业务的覆盖特性,周期特性和容量性能。
S806,Non-RT RIC利用长期历史测量数据训练AI/ML模型。
S807,Non-RT RIC通过O1接口把AI/ML模型传给near-RT RIC。
S808,Non-RT RIC通过A1接口传送分析得到的业务特性与性能信息。
S809,near-RT RIC训练AI/ML模型并预测RSRP级的容量分布。
S810,near-RT RIC估计并确定业务覆盖等级和传输与资源配置参数。
S811,near-RT RIC通过E2接口下发小区IOT业务的配置信息。
需要说明的是,为了实现以上描述的本申请的实施例,需要引入以下消息:
A1接口,下行方向:1),如果在Non-RT RIC中实现数据的分析与预测,并估计出最终的资源配置参数(实施例一和实施例二),则可以通过A1接口把优化后的配置参数值传递给Near-RT RIC(实施例二),此时需要A1接口提供的配置参数包含:每个CL对应的RSRP门限值,每个CL下的RACH资源配置(子载波数目,周期与重复次数),每个CL下行数据传输参数配置(MCS,数据信道的重复次数,控制信道的重复次数),每个CL上行数据传输参数配置(MCS,数据信道的重复次数,反馈信息的重复次数)。2),如果在Near-RT RIC中实现AI/ML预测(实施例C和实施例E),则需要A1接口提供的参数包括:各个RSRP覆盖下IOT业务的周期特性与不同的RACH配置下的容量性能基准结果。3),如果在None-RT RIC中实现AI/ML预测,但是配置的估算处理在Near-RT RIC中实现(实施例D),则需要A1接口提供的参数包括:不同的RACH配置下的容量性能基准结果,以及AI预测的不同RSRP下IOT业务的容量随时间分布信息。
E2接口,下行方向:如果Near-RT RIC接收了来自于A1接口的配置信息或者在Near-RT RIC中进行了数据的估计处理得到了最终的***配置信息,则需要E2接口的下行方向能够提供的参数包括:每个CL对应的RSRP门限值,每个CL下的RACH资源配置(子载波数目,周期与重复次数),每个CL下行数据传输参数配置(MCS,数据信道的重复次数,控制信道的重复次数),每个CL上行数据传输参数配置(MCS,数据信道的重复次数,反馈信息的重复次数)。
E2接口,上行方向:1),如果在Near-RT RIC中实现AI/ML预测(实施例C和实施例E),则需要E2接口提供的参数包括:IOT终端上报的测量量RSRP与BSR,以及基站测量统计和配置的信息:UE下行的BO大小,目前小区的配置信息:每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。2),如果在None-RTRIC中实现AI/ML预测,但是配置的估算处理在Near-RT RIC中实现(实施例D),则需要E2接口上行方向提供的参数包括:每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
O1接口,上行方向:需要支持上报相关测量数据,包括IOT终端上报的测量量RSRP与BSR,以及基站测量统计和配置的信息,涉及每个CL中接收Msg1的数目,每个CL中接收Msg4的数目,UE下行的BO大小,目前小区的配置信息,包括RACH的配置信息(每个CL的子载波资源数目,preamble码的重复次数,周期),每个CL的上行传输的MCS值,每个CL的上行传输的重复次数,每个CL的Msg4的Ack/NACK的重传次数,每个CL下PDSCH的Ack/NACK的重传次数,每个CL的下行传输的MCS值,每个CL的下行传输的重复次数,每个CL的CSS传输的重复次数,每个CL的USS传输的重复次数,小区内CL对应的RSRP门限值。
O1接口,下行方向:通过内部总线接口Non-RT RIC把得到的资源与传输参数配置传输给SMO。SMO利用O1接口把相关的参数配置发送给O-eNB或者O-DU。需要O1接口的下行方向能够提供的参数包括:每个CL对应的RSRP门限值,每个CL下的RACH资源配置(子载波数目,周期与重复次数),每个CL下行数据传输参数配置(MCS,数据信道的重复次数,控制信道的重复次数),每个CL上行数据传输参数配置(MCS,数据信道的重复次数,反馈信息的重复次数)。
可选地,为了支持本申请的实施例,接口增加如下IE:
1.IOT_RACH_Configuations,定义如表(1)所示:
表(1)IOT_RACH_Configuations
该结构体是配置上报和下发,涉及到的接口是O1,E2,A1。
2.IOT_DL_Configuations,定义如表(2)所示:
表(2)IOT_DL_Configuations
该结构体是配置信息上报和下发,涉及到的接口是O1,E2,A1。
3.IOT_UL_Configuations,定义如表(3)所示:
表(3)IOT_UL_Configuations
本申请实施例提供的技术方案,至少具有如下有益效果:
通过调用Non-RT RIC或Near-RT RIC对IOT终端的业务分布相关信息进行预测,实现了小区中不同覆盖等级CL的动态配置,节省了能耗,同时提高了***容量与性能。
基于前述实施例相同的发明构思,本申请实施例还提供了一种信息处理的装置,该装置应用于第一网络设备,该装置的结构示意图如图26所示,信息处理的装置30,包括第一处理模块301、第二处理模块302和第三处理模块303。
第一处理模块301,用于接收与第二网络设备相关的信息;
第二处理模块302,用于根据信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置;
第三处理模块303,用于将第一资源配置发送给第二网络设备。
可选地,第二处理模块302,具体用于根据信息,确定各个覆盖特性分别对应的第二网络设备包括的终端用户设备在第一时间上的业务分布相关信息;根据终端用户设备在第一时间上的业务分布相关信息,对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测或者计算,确定终端用户设备在第二时间上的业务分布相关信息;根据终端用户设备在第二时间上的业务分布相关信息,确定与第二网络设备相关的覆盖类别对应的第一资源配置;覆盖类别包括覆盖等级、覆盖域别中的至少一项。
可选地,第一处理模块301,还用于接收外部服务器发送的业务信息,业务信息包括各个终端用户设备的位置信息和各个终端用户设备的特征信息;其中,位置信息包括定位服务器提供的终端用户设备的位置参数、定位服务器提供的飞行轨迹参数中的至少一项,特征信息包括业务周期、周期性上报时间中的至少一项。
第二处理模块302,具体用于根据信息和业务信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息。
可选地,信息包括第二网络设备的测量信息、第二网络设备的配置信息中的至少一项;测量信息包括信号强度数据、业务数据、性能数据中的至少一项;配置信息包括用于覆盖类别划分的覆盖类别门限配置、各覆盖类别分别对应的资源配置参数中的至少一项,覆盖类别门限配置为覆盖特性指标值,覆盖特性指标值以用于将覆盖区域划分成不同的覆盖类别。
可选地,第二处理模块302,具体用于根据业务数据和业务信息,确定有业务待发送且需接入第二网络设备的终端用户设备在第一时间上的分布信息;并根据性能数据和配置信息,确定不同的配置信息对应随机接入信道RACH的接入容量,业务分布相关信息包括分布信息和不同配置信息对应的RACH的接入容量。
可选地,第二处理模块302,具体用于将终端用户设备在N个业务周期上的业务分布相关信息输入至预设的预测模型,通过预测模型对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测,得到N个业务周期后的第1个周期内各覆盖特性分别对应的业务的容量随时间的分布;其中,第一时间包括N个业务周期,第二时间包括所述第1个周期,终端用户设备在第一时间上的业务分布相关信息用于表征N个周期内各覆盖特性分别对应的业务的容量随时间的分布,终端用户设备在第二时间上的业务分布相关信息用于表征第1个周期内各覆盖特性分别对应的业务的容量随时间的分布,N为正整数。
可选地,第二处理模块302,具体用于根据终端用户设备在第二时间上的业务分布相关信息,确定各覆盖类别分别对应的覆盖类别门限;根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定与第二网络设备相关的覆盖类别对应的第一资源配置。
可选地,第二处理模块302,具体用于根据各覆盖类别分别对应的覆盖类别门限,确定各覆盖类别分别对应的终端用户设备的资源的传输重复次数和资源的调制与编码策略MCS配置,资源包括物理下行控制信道PDCCH、物理下行共享信道PDSCH、物理上行共享信道PUSCH、上行控制信息UCI中的至少一项;根据终端用户设备在第二时间上的业务分布相关信息和各覆盖类别分别对应的覆盖类别门限,确定覆盖类别的数量和各覆盖类别分别对应的终端用户设备数量;根据各覆盖类别分别对应的终端用户设备数量和信息包括的第二网络设备的配置信息对应的RACH的接入容量,确定各覆盖类别分别对应的RACH的第二资源配置,覆盖类别对应的第一资源配置包括各覆盖类别分别对应的终端用户设备的覆盖类别门限、资源的传输重复次数、资源的MCS配置和各覆盖类别分别对应的RACH的第二资源配置,RACH的第二资源配置包括随机接入前导码的传输重传次数、RACH子载波数目、RACH周期中的至少一项。
可选地,当各覆盖类别的数量和各覆盖类别分别对应的覆盖类别门限发生变化时,调整各覆盖类别分别对应的终端用户设备的资源的传输重复次数和所述资源的调制与编码策略MCS配置;
或在确定各覆盖类别的数量和各覆盖类别分别对应的覆盖类别门限之后,调整各覆盖类别分别对应的终端用户设备的资源的传输重复次数和资源的调制与编码策略MCS配置。
可选地,调整各覆盖类别对应的终端用户设备的资源的传输重复次数,包括以下至少一项:
调整PDCCH的传输重复次数,PDCCH的传输重复次数的调整包括公共搜索空间的消息msg2、消息msg3、消息msg4中的至少一项的传输重复次数的调整,以及专用搜索空间的传输重复次数的调整;
调整PDSCH的传输重复次数,PDSCH的传输重复次数的调整包括承载消息msg2的PDSCH的传输重复次数的调整、承载消息msg4的PDSCH的传输重复次数的调整、连接态承载下行信令和数据的PDSCH的传输重复次数的调整中的至少一项;
调整PUSCH的传输重复次数,PUSCH的传输重复次数的调整包括承载消息msg3的PUSCH的传输重复次数的调整、连接态承载上行信令和数据的PUSCH的传输重复次数的调整中的至少一项;
调整上行控制信息UCI的传输重复次数,UCI的传输重复次数的调整包括承载下行传输ACK和/或NACK的PUSCH的传输重复次数的调整、承载下行传输ACK和/或NACK的PUCCH中的至少一项。
可选地,调整各覆盖类别对应的终端用户设备的资源的MCS配置的调整,包括以下至少一项:
调整PDSCH的MCS配置,PDSCH的MCS配置的调整包括承载消息msg2的PDSCH的MCS配置的调整、承载消息msg4的PDSCH的MCS配置的调整、连接态承载下行信令和数据的PDSCH的MCS配置的调整中的至少一项;
调整PUSCH的MCS配置,PUSCH的MCS配置的调整包括承载消息msg3的PUSCH的MCS配置的调整、连接态承载上行信令和数据的PUSCH的MCS配置的调整中的至少一项。
可选地,第一处理模块301,具体用于接收第二网络设备发送的信息,包括以下至少之一:
接收服务管理和编排SMO发送的与第二网络设备相关的信息;
接收准实时RAN智能控制器Near-RT RIC发送的第二网络设备相关的信息,其中,第二网络设备相关的信息是Near-RT RIC从第二网络设备获取的。
可选地,第三处理模块303,具体用于将第一资源配置发送给第二网络设备,包括以下之一:
将第一资源配置发送给第二网络设备;
将第一资源配置发送给Near-RT RIC,第一资源配置由Near-RT RIC将第一资源配置发送给第二网络设备;
通过Near-RT RIC将第一资源配置发送给第二网络设备。
可选地,第一网络设备是非实时RAN智能控制器Non-RT RIC或准实时RAN智能控制器Near-RT RIC。
本申请实施例提供的技术方案,至少具有如下有益效果:
对终端用户设备在第一时间之后的第二时间上的业务分布相关信息进行预测,实现了小区中不同覆盖等级的动态配置,节省了能耗,同时提高了***容量与性能。
基于相同的发明构思,本申请实施例还提供了一种电子设备,该电子设备的结构示意图如图27所示,该电子设备6000包括至少一个处理器6001、存储器6002和总线6003,至少一个处理器6001均与存储器6002电连接;存储器6002被配置用于存储有至少一个计算机可执行指令,处理器6001被配置用于执行该至少一个计算机可执行指令,从而执行如本申请实施例中任意一个实施例或任意一种可选实施方式提供的任意一种信息处理的方法的步骤。
进一步,处理器6001可以是FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其它具有逻辑处理能力的器件,如MCU(Microcontroller Unit,微控制单元)、CPU(Central Process Unit,中央处理器)。
应用本申请实施例,至少具有如下有益效果:
实现了不同覆盖等级的动态配置,节省了能耗,同时提高了***容量与性能。
基于相同的发明构思,本申请实施例还提供了另一种计算机可读存储介质,存储有计算机程序,该计算机程序用于被处理器执行时实现本申请实施例中任意一个实施例或任意一种可选实施方式提供的任意一种信息处理的方法的步骤。
本申请实施例提供的计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(RandomAccess Memory,随即存储器)、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,可读存储介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
应用本申请实施例,至少具有如下有益效果:
实现了不同覆盖等级的动态配置,节省了能耗,同时提高了***容量与性能。
本技术领域技术人员可以理解,可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。本技术领域技术人员可以理解,可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来实现,从而通过计算机或其他可编程数据处理方法的处理器来执行本申请公开的结构图和/或框图和/或流图的框或多个框中指定的方案。
本技术领域技术人员可以理解,本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (17)
1.一种信息处理的方法,应用于第一网络设备,其特征在于,包括:
接收与第二网络设备相关的信息;
根据所述信息,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置;
将所述第一资源配置发送给所述第二网络设备。
2.根据权利要求1所述的方法,其特征在于,所述根据所述信息,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据所述信息,确定各个覆盖特性分别对应的所述第二网络设备包括的终端用户设备在第一时间上的业务分布相关信息;
根据所述终端用户设备在第一时间上的业务分布相关信息,对所述终端用户设备在所述第一时间之后的第二时间上的业务分布相关信息进行预测或者计算,确定所述终端用户设备在第二时间上的业务分布相关信息;
根据所述终端用户设备在第二时间上的业务分布相关信息,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息之前,还包括:
接收外部服务器发送的业务信息,所述业务信息包括各个终端用户设备的位置信息和各个终端用户设备的特征信息;其中,所述位置信息包括定位服务器提供的终端用户设备的位置参数、定位服务器提供的飞行轨迹参数中的至少一项,所述特征信息包括业务周期、周期性上报时间中的至少一项;
所述根据所述信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息,包括:
根据所述信息和所述业务信息,确定各个覆盖特性分别对应的终端用户设备在第一时间上的业务分布相关信息。
4.根据权利要求3所述的方法,其特征在于,所述信息包括所述第二网络设备的测量信息、所述第二网络设备的配置信息中的至少一项;所述测量信息包括信号强度数据、业务数据、性能数据中的至少一项;所述配置信息包括用于覆盖类别划分的覆盖类别门限配置、各覆盖类别分别对应的资源配置参数中的至少一项,所述覆盖类别门限配置为覆盖特性指标值,所述覆盖特性指标值以用于将覆盖区域划分成不同的覆盖类别。
5.根据权利要求4所述的方法,其特征在于,所述根据所述信息,确定各个覆盖特性对应的终端用户设备在第一时间上的业务分布相关信息,包括:
根据所述业务数据和所述业务信息,确定有业务待发送且需接入第二网络设备的终端用户设备在第一时间上的分布信息;并根据所述性能数据和所述配置信息,确定不同配置信息对应的随机接入信道RACH的接入容量,所述业务分布相关信息包括所述分布信息和所述不同配置信息对应的RACH的接入容量。
6.根据权利要求2所述的方法,其特征在于,所述根据所述终端用户设备在第一时间上的业务分布相关信息,对所述终端用户设备在所述第一时间之后的第二时间上的业务分布相关信息进行预测或计算,确定所述终端用户设备在第二时间上的业务分布相关信息,包括:
将所述终端用户设备在N个业务周期上的业务分布相关信息输入至预设的预测模型,通过所述预测模型对所述终端用户设备在所述第一时间之后的第二时间上的业务分布相关信息进行预测,得到所述N个业务周期后的第1个周期内各覆盖特性分别对应的业务的容量随时间的分布;
其中,所述第一时间包括N个业务周期,所述第二时间包括所述第1个周期,所述终端用户设备在第一时间上的业务分布相关信息用于表征所述N个周期内各覆盖特性分别对应的业务的容量随时间的分布,所述终端用户设备在第二时间上的业务分布相关信息用于表征所述第1个周期内各覆盖特性分别对应的业务的容量随时间的分布,所述N为正整数。
7.根据权利要求2所述的方法,其特征在于,所述根据所述终端用户设备在第二时间上的业务分布相关信息,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置,包括:
根据所述终端用户设备在第二时间上的业务分布相关信息,确定各覆盖类别分别对应的覆盖类别门限;
根据所述终端用户设备在第二时间上的业务分布相关信息和所述各覆盖类别分别对应的覆盖类别门限,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置。
8.根据权利要求7所述的方法,其特征在于,所述根据所述终端用户设备在第二时间上的业务分布相关信息和所述各覆盖类别分别对应的覆盖类别门限,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置,包括:根据所述各覆盖类别分别对应的覆盖类别门限,确定所述各覆盖类别分别对应的终端用户设备的资源的传输重复次数和所述资源的调制与编码策略MCS配置,所述资源包括物理下行控制信道PDCCH、物理下行共享信道PDSCH、物理上行共享信道PUSCH、上行控制信息UCI中的至少一项;
根据所述终端用户设备在第二时间上的业务分布相关信息和所述各覆盖类别分别对应的覆盖类别门限,确定所述覆盖类别的数量和所述各覆盖类别分别对应的终端用户设备数量;
根据所述各覆盖类别分别对应的终端用户设备数量和所述信息包括的所述第二网络设备的配置信息对应的RACH的接入容量,确定所述各覆盖类别分别对应的RACH的第二资源配置,所述覆盖类别对应的第一资源配置包括所述各覆盖类别分别对应的终端用户设备的覆盖类别门限、资源的传输重复次数、所述资源的MCS配置和所述各覆盖类别分别对应的RACH的第二资源配置,所述RACH的第二资源配置包括随机接入前导码的传输重传次数、RACH子载波数目、RACH周期中的至少一项。
9.根据权利要求8所述的方法,其特征在于,该方法还包括:
当所述各覆盖类别的数量和所述各覆盖类别分别对应的覆盖类别门限发生变化时,调整所述各覆盖类别分别对应的终端用户设备的资源的传输重复次数和所述资源的调制与编码策略MCS配置;
或在确定所述各覆盖类别的数量和所述各覆盖类别分别对应的覆盖类别门限之后,调整所述各覆盖类别分别对应的终端用户设备的资源的传输重复次数和所述资源的调制与编码策略MCS配置。
10.根据权利要求9所述的方法,其特征在于,所述调整所述各覆盖类别对应的终端用户设备的资源的传输重复次数,包括以下至少一项:
调整所述PDCCH的传输重复次数,所述PDCCH的传输重复次数的调整包括公共搜索空间的消息msg2、消息msg3、消息msg4中的至少一项的传输重复次数的调整,以及专用搜索空间的传输重复次数的调整;
调整所述PDSCH的传输重复次数,所述PDSCH的传输重复次数的调整包括承载消息msg2的PDSCH的传输重复次数的调整、承载消息msg4的PDSCH的传输重复次数的调整、连接态承载下行信令和数据的PDSCH的传输重复次数的调整中的至少一项;
调整所述PUSCH的传输重复次数,所述PUSCH的传输重复次数的调整包括承载消息msg3的PUSCH的传输重复次数的调整、连接态承载上行信令和数据的PUSCH的传输重复次数的调整中的至少一项。
调整所述上行控制信息UCI的传输重复次数,所述UCI的传输重复次数的调整包括承载下行传输ACK和/或NACK的PUSCH的传输重复次数的调整、承载下行传输ACK和/或NACK的PUCCH中的至少一项。
11.根据权利要求9所述的方法,其特征在于,所述调整所述各覆盖类别对应的终端用户设备的资源的MCS配置的调整,包括以下至少一项:
调整所述PDSCH的MCS配置,所述PDSCH的MCS配置的调整包括承载消息msg2的PDSCH的MCS配置的调整、承载消息msg4的PDSCH的MCS配置的调整、连接态承载下行信令和数据的PDSCH的MCS配置的调整中的至少一项;
调整所述PUSCH的MCS配置,所述PUSCH的MCS配置的调整包括承载消息msg3的PUSCH的MCS配置的调整、连接态承载上行信令和数据的PUSCH的MCS配置的调整中的至少一项。
12.根据权利要求1所述的方法,其特征在于,所述接收第二网络设备发送的信息,包括以下至少之一:
接收服务管理和编排SMO发送的与第二网络设备相关的信息;
接收准实时RAN智能控制器Near-RT RIC发送的第二网络设备相关的信息,其中,所述第二网络设备相关的信息是所述Near-RT RIC从第二网络设备获取的。
13.根据权利要求1所述的方法,其特征在于,所述将所述第一资源配置发送给所述第二网络设备,包括以下之一:
将所述第一资源配置发送给所述第二网络设备;
将所述第一资源配置发送给所述Near-RT RIC,所述第一资源配置由所述Near-RT RIC将所述第一资源配置发送给所述第二网络设备;
通过所述Near-RT RIC将所述第一资源配置发送给所述第二网络设备。
14.根据权利要求1-13任一项所述的方法,其特征在于,所述第一网络设备是非实时RAN智能控制器Non-RT RIC或准实时RAN智能控制器Near-RT RIC。
15.一种信息处理的装置,应用于第一网络设备,其特征在于,包括:
第一处理模块,用于接收第二网络设备发送的与所述第二网络设备相关的信息;
第二处理模块,用于根据所述信息,确定与所述第二网络设备相关的覆盖类别对应的第一资源配置;
第三处理模块,用于将所述第一资源配置发送给所述第二网络设备。
16.一种电子设备,包括:处理器;以及
存储器,配置用于存储机器可读指令,所述指令在由所述处理器执行时,使得所述处理器执行权利要求1-14中任一项所述的方法。
17.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序用于被处理器执行时实现如权利要求1-14中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010682573.2A CN113950057A (zh) | 2020-07-15 | 2020-07-15 | 信息处理的方法、装置、设备及计算机可读存储介质 |
PCT/KR2021/009111 WO2022015077A1 (en) | 2020-07-15 | 2021-07-15 | Information processing method, apparatus, device and computer readable storage medium |
EP21842384.6A EP4154502A4 (en) | 2020-07-15 | 2021-07-15 | INFORMATION PROCESSING METHOD, APPARATUS, APPARATUS AND COMPUTER-READABLE STORAGE MEDIUM |
US17/727,196 US20220247634A1 (en) | 2020-07-15 | 2022-04-22 | Information processing method, apparatus, device and computer readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010682573.2A CN113950057A (zh) | 2020-07-15 | 2020-07-15 | 信息处理的方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113950057A true CN113950057A (zh) | 2022-01-18 |
Family
ID=79326118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010682573.2A Pending CN113950057A (zh) | 2020-07-15 | 2020-07-15 | 信息处理的方法、装置、设备及计算机可读存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220247634A1 (zh) |
EP (1) | EP4154502A4 (zh) |
CN (1) | CN113950057A (zh) |
WO (1) | WO2022015077A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024060139A1 (zh) * | 2022-09-22 | 2024-03-28 | 华为技术有限公司 | 通信方法、装置、存储介质及程序产品 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2586763C (en) | 2004-11-08 | 2013-12-17 | Cluster Resources, Inc. | System and method of providing system jobs within a compute environment |
WO2024072440A1 (en) * | 2022-09-27 | 2024-04-04 | Rakuten Mobile, Inc. | System and method for optimizing carrier and/or cell switch off/on in a telecommunications network |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5529306B1 (ja) * | 2013-02-12 | 2014-06-25 | 株式会社Nttドコモ | 情報処理装置及び情報処理方法 |
CN106412964A (zh) * | 2016-11-15 | 2017-02-15 | 中国联合网络通信集团有限公司 | 一种提高网络业务速率的方法、基站控制器和服务器 |
US20180139760A1 (en) * | 2015-04-15 | 2018-05-17 | Samsung Electronics Co., Ltd. | Method and apparatus for transmitting and receiving signals on basis of coverage class in communication system |
KR20190078722A (ko) * | 2017-12-26 | 2019-07-05 | 한국전자통신연구원 | 무선 자원 할당 방법 |
US20190239170A1 (en) * | 2016-06-21 | 2019-08-01 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems And Methods Of Determining A Reporting Configuration Associated With A Coverage Level Of A Wireless Device |
CN110226359A (zh) * | 2017-02-01 | 2019-09-10 | 瑞典爱立信有限公司 | 用于在非锚定载波上传送随机接入消息的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102740219B (zh) * | 2011-04-04 | 2016-01-20 | 上海贝尔股份有限公司 | Mbms通信方法和装置以及mbms接收方法和装置 |
CN104349476B (zh) * | 2013-08-09 | 2019-09-24 | 中兴通讯股份有限公司 | 随机接入信道资源配置方法和*** |
GB2530566A (en) * | 2014-09-26 | 2016-03-30 | Nec Corp | Communication system |
WO2017190273A1 (en) * | 2016-05-03 | 2017-11-09 | Qualcomm Incorporated | Dynamic csi-rs transmission for enhanced fd-mimo |
US10356738B2 (en) * | 2016-07-26 | 2019-07-16 | Lg Electronics Inc. | Method for acquiring synchronization in a communication system and device therefor |
-
2020
- 2020-07-15 CN CN202010682573.2A patent/CN113950057A/zh active Pending
-
2021
- 2021-07-15 EP EP21842384.6A patent/EP4154502A4/en active Pending
- 2021-07-15 WO PCT/KR2021/009111 patent/WO2022015077A1/en unknown
-
2022
- 2022-04-22 US US17/727,196 patent/US20220247634A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5529306B1 (ja) * | 2013-02-12 | 2014-06-25 | 株式会社Nttドコモ | 情報処理装置及び情報処理方法 |
US20180139760A1 (en) * | 2015-04-15 | 2018-05-17 | Samsung Electronics Co., Ltd. | Method and apparatus for transmitting and receiving signals on basis of coverage class in communication system |
US20190239170A1 (en) * | 2016-06-21 | 2019-08-01 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems And Methods Of Determining A Reporting Configuration Associated With A Coverage Level Of A Wireless Device |
CN106412964A (zh) * | 2016-11-15 | 2017-02-15 | 中国联合网络通信集团有限公司 | 一种提高网络业务速率的方法、基站控制器和服务器 |
CN110226359A (zh) * | 2017-02-01 | 2019-09-10 | 瑞典爱立信有限公司 | 用于在非锚定载波上传送随机接入消息的方法 |
KR20190078722A (ko) * | 2017-12-26 | 2019-07-05 | 한국전자통신연구원 | 무선 자원 할당 방법 |
Non-Patent Citations (2)
Title |
---|
ERICSSON: "NB-IoT - NPDSCH resource allocation", 《3GPP TSG- RAN1 – AD HOC NB-IOT R1-161826》, 24 March 2016 (2016-03-24) * |
MARWA CHAFII,FAOUZI BADER,JACQUES PALICOT: "Enhancing coverage in narrow band-IoT using machine learning", 《2018 IEEE WIRELESS COMMUNICATIONS AND NETWORKING CONFERENCE (WCNC)》, 18 April 2018 (2018-04-18) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024060139A1 (zh) * | 2022-09-22 | 2024-03-28 | 华为技术有限公司 | 通信方法、装置、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
EP4154502A4 (en) | 2023-11-15 |
US20220247634A1 (en) | 2022-08-04 |
EP4154502A1 (en) | 2023-03-29 |
WO2022015077A1 (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113950057A (zh) | 信息处理的方法、装置、设备及计算机可读存储介质 | |
US9326163B2 (en) | Methods and systems for reducing interference in networks | |
CN113597799B (zh) | 用于调整波束赋形简档的设备、方法和计算机可读介质 | |
EP4344287A1 (en) | Optimizing a cellular network using machine learning | |
US11546907B2 (en) | Optimization of 5G (fifth generation) beam coverage and capacity and NSI (network slice instance) resource allocation | |
CN111836306B (zh) | 功率协调方法及装置 | |
JP6556356B2 (ja) | 無線ネットワーク監視方法及びこの方法を実施するネットワークノード | |
EP3962171A1 (en) | User equipment centric wide area optimization method and system thereof | |
CN114885376B (zh) | 一种帧结构配置方法、装置及存储介质 | |
WO2018184667A1 (en) | Apparatus and method for performing network optimization | |
CN103024908B (zh) | 一种自适应调整pdcch占用符号数的方法 | |
CN102404778B (zh) | 一种负载估测方法 | |
Ivoghlian et al. | Application-aware adaptive parameter control for LoRaWAN | |
Karray | Evaluation of the blocking probability and the throughput in the uplink of wireless cellular networks | |
CN113728673A (zh) | 用于估计被无线电问题抑制的数据业务的方法和装置 | |
CN102883450B (zh) | 一种灵活子帧配置方法、设备及*** | |
CN114143816A (zh) | 一种基于电力业务质量保障的5g网络资源动态调度方法 | |
Peng et al. | A data-driven and load-aware interference management approach for ultra-dense networks | |
Busson et al. | Impact of resource blocks allocation strategies on downlink interference and SIR distributions in LTE networks: a stochastic geometry approach | |
CN111741452A (zh) | 一种NB-IoT基站剩余容量预测的方法和装置 | |
CN112702766A (zh) | 一种控制天线通道的方法、装置、电子设备及存储介质 | |
US20240007963A1 (en) | Ml model based power management in a wireless communication network | |
Varade et al. | Quality constrained multi‐attribute energy‐efficient resource allocation for heterogeneous cognitive radio networks | |
Sánchez Ordóñez et al. | A data-driven scheduler model for QoE assessment in a LTE radio network planning tool | |
CN114828193A (zh) | 一种无线网络上下行多业务并发功率分配方法及存储介质 |
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 |