CN114402654A

CN114402654A - 用于无线电接入网数据收集的装置

Info

Publication number: CN114402654A
Application number: CN201980100271.5A
Authority: CN
Inventors: A·潘特利杜; J·阿利·托尔帕; C·萨托里; M·托马拉
Original assignee: Nokia Technologies Oy
Current assignee: Nokia Technologies Oy
Priority date: 2019-09-13
Filing date: 2019-09-13
Publication date: 2022-04-26
Also published as: WO2021047781A1; US20220295324A1; EP4029305A1

Abstract

提供了一种装置，包括用于以下操作的部件：配置针对第一数据生产者处的一个或多个预定优化问题的测量收集；向第一数据生产者发送第一测量请求，其中第一测量请求指示针对一个或多个预定优化问题的一个或多个请求测量、时间采样指示和粒度；接收包括第一测量结果的测量响应，该第一测量结果对应于第一测量请求；以及向一个或多个优化算法提供第一测量结果，该一个或多个优化算法用于解决一个或多个预定优化问题。

Description

用于无线电接入网数据收集的装置

技术领域

各种示例实施例与无线电接入网数据收集有关，例如最小化驱动测试数据收集和基于机器学习的网络的优化。

背景技术

需要收集大量的数据以使运营方能够监测和优化其网络部署。分析和处理大量数据和元数据的收集可能是有挑战的。因此，需要改进数据收集。

发明内容

根据一些方面，提供了独立权利要求的主题。在从属权利要求中定义了一些实施例。各种实施例所寻求的保护的范围由独立权利要求规定。在本说明书中描述的不落入独立权利要求的范围内的实施例、示例和特征(如果有的话)将被解释为对理解各种实施例有用的示例。

根据第一方面，提供了一种装置，包括用于以下操作的部件：配置针对第一数据生产者处的一个或多个预定优化问题的测量收集；向第一数据生产者发送第一测量请求，其中第一测量请求指示针对一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；接收包括第一测量结果的测量响应，该第一测量结果对应于第一测量请求；以及向一个或多个优化算法提供第一测量结果，该一个或多个优化算法用于解决一个或多个预定优化问题。

根据第二方面，提供了一种装置，包括用于以下操作的部件：接收针对一个或多个预定优化问题的测量收集的配置；接收第一测量请求，该第一测量请求指示针对一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；根据第一测量请求执行一个或多个所请求的测量和/或根据第一测量请求从一个或多个用户设备请求一个或多个所请求的测量；以及发送包括第一测量结果的测量响应，该第一测量结果对应于第一测量请求。

根据第三方面，提供了一种方法，包括：配置针对第一数据生产者处的一个或多个预定优化问题的测量收集；向第一数据生产者发送第一测量请求，其中第一测量请求指示针对一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；接收包括第一测量结果的测量响应，该第一测量结果对应于第一测量请求；以及向一个或多个优化算法提供第一测量结果，该一个或多个优化算法用于解决一个或多个预定优化问题。

根据第四方面，提供了一种方法，包括：接收针对一个或多个预定优化问题的测量收集的配置；接收第一测量请求，该第一测量请求指示针对一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；根据第一测量请求执行一个或多个所请求的测量和/或根据第一测量请求从一个或多个用户设备请求一个或多个所请求的测量；以及发送包括第一测量结果的测量响应，该第一测量结果对应于第一测量请求。

根据另一方面，提供了一种可选的非瞬态计算机可读介质，包括程序指令，该程序指令在由至少一个处理器执行时使装置至少执行根据第三方面的方法。

根据另一方面，提供了一种可选的非瞬态计算机可读介质，包括程序指令，该程序指令在由至少一个处理器执行时使装置至少执行根据第四方面的方法。

根据另一方面，提供了一种计算机程序，该计算机程序被配置为使根据第三方面的方法被执行。

根据另一方面，提供了一种计算机程序，该计算机程序被配置为使根据第四方面的方法被执行。

附图说明

图1以示例的方式示出了***架构；

图2以示例的方式示出了用于记录最小化驱动测试(MDT)的MDT测量配置；

图3以示例的方式示出了装置的框图；

图4以示例的方式示出了ML实体内的不同的机器学习(ML)优化问题收集，以及数据生产者；

图5以示例的方式示出了过滤器收集表示；

图6a以示例的方式示出了ML实体与数据生产者之间的信令；

图6b以示例的方式示出了ML实体与UE之间的信令；

图7a以示例的方式示出了用于无线电接入网数据收集的方法的流程图；

图7b以示例的方式示出了用于无线电接入网数据收集的方法的流程图；

图8以示例的方式示出了实体之间的信令；

图9a以示例的方式示出了实体之间的信令；

图9b以示例的方式示出了实体之间的信令；

图10以示例的方式示出了实体之间的信令；

图11以示例的方式示出了实体之间的信令；

图12以示例的方式示出了实体之间的信令；

图13以示例的方式示出了实体之间的信令；

图14以示例的方式示出了覆盖和容量优化(CCO)中的信令；

图15以示例的方式示出了实体之间的信令；

图16以示例的方式示出了实体之间的信令；以及

图17以示例的方式示出了实体之间的信令。

具体实施方式

图1以示例的方式示出了***架构。在下文中，将使用基于长期演进高级(LTE高级，LTE-A)或新无线电(NR)(也称为第五代(5G))的无线电接入架构作为可以应用实施例的接入架构的示例，来描述不同的示例性实施例，然而，不将实施例限制于这样的架构。对于本领域技术人员来说，通过适当调整参数和过程，本实施例也可以应用于具有适当部件的其他种类的通信网络。用于适当***的其他选项的一些示例是通用移动电信***(UMTS)无线电接入网络(UTRAN或E-UTRAN)、长期演进(LTE，与E-UTRA相同)、无线局域网(WLAN或WiFi)、全球微波接入互操作性(WiMAX)、

个人通信服务(PCS)、

宽带码分多址(WCDMA)、使用超宽带(UWB)技术的***、传感器网络、移动自组织网络(MANET)和互联网协议多媒体子***(IMS)或其任何组合。

图1描绘了简化***架构的示例，仅示出了一些元件和功能实体，它们都是逻辑单元，其实现可能与所示不同。图1所示的连接是逻辑连接；实际的物理连接可能不同。对于本领域技术人员而言显然的是，该***通常还包括除图1所示的功能和结构之外的其他功能和结构。然而，实施例不限于作为示例给出的***，而是本领域技术人员可以将该解决方案应用于具有必要性质的其他通信***。这样的其他通信***的示例包括例如微波链路和光纤。

图1的示例示出了示例性无线电接入网络的一部分。图1示出了用户设备100和102，用户设备100和102被配置为在与提供小区的接入节点104(诸如gNB，即下一代NodeB，或eNB，即演进的NodeB)在小区中的一个或多个通信信道上进行无线连接，在本申请的其余部分为了简单起见称为NodeB。从用户设备到NodeB的物理链路称被为上行链路或反向链路，从NodeB到用户设备的物理链路称为下行链路或前向链路。应当理解，NodeB或其功能可以通过使用适合于这样的用途的任何节点、主机、服务器或接入点等实体来实现。通信***通常包括多于一个的NodeB，在这种情况下，NodeB也可以被配置为通过出于此目的而设计的有线或无线链路相互通信。这些链路可用于信令目的。NodeB是计算设备，被配置为控制它所耦合到的通信***的无线电资源。NodeB也可以被称为基站、接入点或任何其他类型的接口设备，包括能够在无线环境中操作的中继站。NodeB包括或被耦合到收发器。从NodeB的收发器向天线单元提供连接，该天线单元建立与用户设备的双向无线电链路。天线单元可以包括多个天线或天线元件。NodeB还被连接到核心网110(CN或下一代核心NGC)。取决于***，CN侧的对应部分可以是服务网关(S-GW，路由和转发用户数据分组)、分组数据网络网关(P-GW)，以用于提供用户设备(UE)到外部分组数据网络的连接，或移动管理实体(MME)等。

用户设备(也称为UE、用户装置、用户终端、终端设备等)示出了一种类型的装置，空中接口上的资源被分配和指派给该装置，因此本文描述的用户设备的任何特征可以利用对应的装置实现，还包括中继节点。这样的中继节点的示例是面向基站的层3中继(自回程中继)。

用户设备或用户装备UE通常是指便携式计算设备，包括利用或不利用订户标识模块(SIM)操作的无线移动通信设备，包括但不限于以下类型的设备：移动站(移动电话)、智能手机、个人数字助理(PDA)、手持设备、使用无线调制解调器的设备(警报或测量设备等)、膝上型计算机和/或触摸屏计算机、平板计算机、游戏控制台、笔记本计算机和多媒体设备。应当理解，用户设备也可以是几乎排他的仅上行链路设备，其中的一个示例是将图像或视频剪辑加载到网络的相机或摄像机。用户设备也可以是具有在物联网(IoT)网络中操作的能力的设备，物联网网络是一种对象在其中被提供有通过网络传送数据的能力，而无需人与人或人与计算机的交互。

本文中描述的各种技术也可以被应用于信息物理***(CPS)(协作计算元素控制物理实体的***)。CPS可以能够实现和利用嵌入在不同位置的物理对象中的大量互连ICT设备(传感器、致动器、处理器、微控制器等)。移动信息物理***(其中所讨论的物理***具有固有的移动性)是信息物理***的子类别。移动物理***的示例包括由人类或动物运输的移动机器人和电子设备。

附加地，尽管装置已被描述为单个实体，但不同的单元、处理器和/或存储器单元(未全部在图1中示出)可以在这些装置内部被实现，以使其能够运行。

5G启用使用多输入多输出(MIMO)天线、比LTE多得多的基站或节点(所谓的小小区概念)，包括与较小基站合作并取决于服务需求、用例和/或可用频谱而采用各种无线电技术的宏站点。5G移动通信支持广泛的用例和相关应用，包括视频流、增强现实、数据共享的不同方式和各种形式的机器类型应用(诸如(大规模)机器类型通信(mMTC)，包括车辆安全、不同的传感器和实时控制)。5G预计将具有多个无线电接口，即6GHz以下、厘米波和毫米波，并且还与现有的传统无线电接入技术可集成，诸如LTE。与LTE的集成可以被实现，至少在早期阶段，作为一个***，宏覆盖由LTE提供，并且5G无线电接口接入来自通过聚合到LTE的小小区。换言之，5G计划支持RAT间可操作性(诸如LTE-5G)和RI间可操作性(无线电接口间可操作性，诸如6GHz以下-厘米波，6GHz以下-厘米波–毫米波)。5G网络中考虑将要使用的概念中的一个概念是网络切片，其中可以在相同的基础架构内创建多个独立且专用的虚拟子网(网络实例)，以运行对延时、可靠性、吞吐量和移动性有不同要求的服务。

LTE网络中的当前架构分布在无线电中，并且集中在核心网中。5G中的低延时应用和服务需要将内容靠近无线电，这会引起本地爆发和多接入边缘计算(MEC)。5G使分析和知识生成能够在数据源处发生。这种方法需要利用可能不会持续连接到网络的资源，诸如膝上型计算机、智能手机、平板计算机和传感器。MEC针对应用和服务托管提供分布式计算环境。它还能够在靠近蜂窝订户的地方存储和处理内容，以加快响应时间。边缘计算涵盖了广泛的技术，诸如无线传感器网络、移动数据采集、移动签名分析、协作分布式对等自组织网络和处理，也可分类为本地云/雾计算和网格(grid)/网式(mesh)计算、露计算、移动边缘计算、薄云、分布式数据存储和获取、自主自愈网络、远程云服务、增强和虚拟现实、数据缓存、物联网(大规模连接和/或延时关键)、关键通信(自动驾驶车辆、交通安全性、实时分析、时间关键控制、医疗保健应用)。

该通信***还能够与其他网络(诸如公共交换电话网络或互联网112)通信，或利用由它们提供的服务。通信网络也可以能够支持云服务的使用，例如核心网操作的至少一部分可以作为云服务来被执行(这在图1中由“云”114描绘)。通信***还可以包括中央控制实体等，针对不同运营方的网络提供设施以例如在频谱共享中进行合作。

通过利用网络功能虚拟化(NVF)和软件定义网络(SDN)，可以将边缘云引入无线电接入网络(RAN)。使用边缘云可以意味着接入节点操作至少部分地在可操作地耦合到包括无线电部件的远程无线电头或基站的服务器、主机或节点中被执行。节点操作也可能分布在多个服务器、节点或主机之间。云RAN架构的应用使得RAN实时功能能够在RAN侧(在分布式单元DU 104中)被执行并且非实时功能能够以集中方式(在集中式单元CU 108中)被执行。

还应当理解，核心网运营和基站运营之间的劳动力分配可能与LTE不同，或者甚至不存在。其他一些技术进步，诸如大数据和全IP，可能会改变构建和管理网络的方式。5G(或新无线电NR)网络被设计支持多个层次结构，其中MEC服务器可以被放置在核心和基站或节点B(gNB)之间。应当理解，MEC也可以被应用于4G网络。

5G还可以利用卫星通信来增强或补充5G服务的覆盖，例如通过提供回程。可能的用例针对机器对机器(M2M)或物联网(IoT)设备或针对车上乘客提供服务连续性，或确保用于关键通信和未来铁路/海事/航空通信的服务可用性。卫星通信可以利用地球静止轨道(GEO)卫星***，也可以利用低地球轨道(LEO)卫星***，特别是巨型星座(其中部署了数百颗(纳米)卫星的***)。星座中的每个卫星106可以覆盖多个创建地面小区的启用的卫星的网络实体。可以通过地面中继节点104或由位于地面或卫星中的gNB创建地面小区。

对于本领域技术人员而言显然的是，所描绘的***只是无线电接入***的一部分的示例，并且在实践中，该***可以包括多个NodeB，用户设备可以具有对多个无线电小区的接入并且***还可以包括其他装置，诸如物理层中继节点或其他网络元件等。例如，蜂窝无线电***可以被实现为包括多种小区的多层网络，诸如宏小区、微小区和微微小区。通常，在多层网络中，一个接入节点提供一种或多种小区，因此需要多个NodeB来提供这样的网络结构。

自组织网络(SON)是指网络以自组织方式工作的能力。下一代RAN特征预计将具有例如以下能力：自规划、自配置和自优化。

驱动测试是一种测试过程，可以被用于测量各种网络性能时，例如小区功率和/或干扰和/或用户设备(UE)性能，例如掉话、吞吐量、切换性能和/或小区重选性能。执行驱动测试的原因有多种。运营方需要标识可能需要新基站的区域(容量优化)。需要标识弱覆盖区域、干扰、过冲等(覆盖优化)。在某些情况下，移动设备或UE会尝试切换到不同的小区。因此，需要最小化移动网络中的任何类型的切换故障(移动性优化)。服务质量(QoS)与延迟、服务响应时间、数据速率和分组丢失有关。QoS可以通过关键性能指示(KPI)来测量，并且可以通过测试(QoS验证)来标识。传统上，测试车辆围绕特定路由行驶以测量性能。除了测试车辆之外，这还需要大量的人员和其他资源来收集测量数据并分析数据。

最小化驱动测试(MDT)是指旨在最小化驱动测试并因此节省与驱动测试相关的时间和成本的(多个)机制。在MDT中，UE被部署以执行测量。UE可以存储或记录测量结果并且稍后将它们报告给网络。备选地，UE可以实时报告结果。

3GPP中所指定的MDT允许收集UE和演进或下一代网络节点(nodeB)，例如e/gNB数据测量。用于MDT测量有两种模式：记录MDT和即时MDT。在记录MDT中，数据可以由UE在空闲或非活动模式下收集。UE可以向网络报告测量日志，例如到e/gNB，在稍后的时间点。在即时MDT中，UE在执行测量时处于连接模式，并且可以立即向网络报告测量。此外，即时MDT可以涉及由网络的测量。商业UE在针对MDT激活时，可以自动收集测量并将其报告给网络。MDT测量结果可能会被放入MDT跟踪记录中，并且向运营方的运营、管理和维护(OAM)实体发出信号以用于进一步的后处理。

图2以示例的方式示出了用于所记录的MDT的MDT测量配置。网络(例如在图2的示例中的(E-)UTRAN 220)可以使用记录测量配置(LoggedMeasurementConfiguration)消息230向UE 210配置记录MDT测量配置。如果UE处的记录的测量配置由另一记录MDT配置替换或在配置清除发生的情况下(例如持续时间定时器到期或到期条件被满足)，则UE处的记录测量配置被释放。记录的测量配置可以如下给出，如例如在TS 36.331中定义的：

记录的测量值可以包括例如

-下行链路导频强度测量记录的配置

-针对E-UTRA的多播广播单频网络(MBSFN)测量记录的配置

-记录事件触发的配置：仅在记录间隔可配置的情况下支持周期性测量触发。除了测量的时段之外，还给出了用于存储测量的时段。它以应用的空闲模式不连续接收(DRX)的倍数(即1.28秒的倍数)以秒为单位进行配置。当UE被配置有的DRX周期大于记录间隔时，UE行为未指定

-记录持续时间的配置：定义定时器，该定时器在MDT配置发送到UE时被激活，并且独立于状态变化、无线电接入技术(RAT)或注册公共陆地移动网络(RPLMN)变化继续运行。当定时器到期时，记录停止并清除配置(另外的报告所需的那些参数除外，例如网络绝对时间戳、跟踪参考、跟踪记录会话参考和跟踪收集实体(TCE)Id)

-网络绝对时间戳，用作UE的时间参考

-由OAM指示的跟踪参考参数

-由OAM指示的跟踪记录会话参考

-由OAM指示的目标小区标识符(TCI)

-MDT公共陆地移动网络(PLMN)列表：指示允许测量收集和日志报告的PLMN。取决于MDT是通过信令(基于信令的MDT PLMN列表)还是基于区域(基于管理的MDT PLMN列表)发起的

-记录区域的配置(可选)：如果UE在配置的记录区域内，UE将记录测量，该记录区域可以包括：

-高达32个全球小区标识的列表。如果此列表被配置，则UE将仅在驻留在这些小区中的任一个小区时记录测量

-高达8个跟踪区域(TA)或8个位置区域(LA)或8个路由区域(RA)的列表。如果此列表被配置，则UE将仅在驻留在属于预配置的TA/LA/RA的任何小区时记录测量

-配置的记录区域可以跨越MDT PLMN列表中的PLMN。如果未配置区域，则UE将在MDT PLMN列表的所有PLMNS上记录测量

-针对MBSFN测量记录配置(多个)目标MBSFN区域(可选)

-WLAN测量的配置(可选)：UE尝试获得WLAN测量

-蓝牙测量的配置(可选)：UE尝试获得蓝牙测量

当UE处于RAT的任何状态下时，即使在UE处于不同RAT时存在多个中断时段，也可以维护记录的测量配置和日志。对于RAT，用于UE中的记录的MDT可能存在单个记录的测量配置。当网络提供配置时，先前配置的记录的测量配置可能会被新的记录的测量配置替换。也可以清除与先前配置相对应的记录测量。在这种情况下，网络应该能够在数据被删除之前获取数据，例如，当向UE给出新的配置时。

UE只能在日志配置中指示时执行WLAN和蓝牙测量。在用于WLAN和蓝牙测量可用的记录间隔期间测量记录被执行。例如，用于WLAN的测量量包括服务集标识符(SSID)、基本SSID(BSSID)、WLAN接入点(AP)的同类扩展SSID(HESSID)以及可选的接收信号强度指示符(RSSI)和往返时间(RTT)。对于蓝牙，测量记录包括蓝牙信标的MAC地址和可选的可用RSSI。

UE可以根据其配置收集MDT测量和日志，直到其针对MDT预留的存储器已满。如果发生这种情况，UE停止记录，停止记录持续时间定时器并开始另一定时器，例如48小时定时器。

无线电接入网(RAN)优化算法可以包括用于优化和/或改进RAN的操作、性能和/或一个或多个功能的算法。RAN优化可以包括例如增加或减少服务的优先级。RAN优化，针对最终用户的感知改进，包括例如容量和覆盖优化、负载共享、负载均衡、随机接入信道(RACH)优化和节能。这些功能可以通过SON算法进行优化。无线电接入网络优化算法可以利用例如机器学习技术来实现。ML的使用也适用于SON解决方案。

机器学***面(CU-UP)和集中式单元用户平面(CU-UP)以及拆分架构中的分散式单元(DU))、网络节点(例如gNB和/或RAN外部实体，诸如无线电智能控制器(RIC))。

基于ML的RAN算法需要有限且特定的MDT数据集合，以实现实时或接近实时的执行。

在RAN接口上提供了新的控制平面(C平面)信令。提供了一种用于使网络功能(即数据消费者)能够实时或接近实时地请求和接收定制的MDT数据的装置和方法。在此可以理解为近实时，例如如数百毫秒的数量级。定制的MDT数据可以从数据生产者接收，例如从一个或多个UE和/或一个或多个RAN网络功能。数据生产者可以是执行测量的UE或UE的集合或者请求一个或多个UE执行测量的实体。数据生产者将测量结果作为响应发送给消费者。定制的数据可以由消费者网络功能使用以用于执行和训练(多个)ML算法。

下面描述能够执行该方法的装置。

图3以示例的方式示出了装置300的框图。示出的是装置或设备300，其可以包括例如网络节点或移动通信设备(诸如用户装备或用户设备UE)、或放置ML算法的实体、或由托管ML的实体触发的实体。包括在设备300中的是处理器310，其可以包括例如单核或多核处理器，其中单核处理器包括一个处理核并且多核处理器包括多于一个的处理核。处理器310通常可以包括控制设备。处理器310可以包括多于一个的处理器。处理器310可以是控制设备。处理核可以包括例如由ARM Holdings制造的Cortex-A8处理核或由超威半导体公司设计的Steamroller处理核。处理器310可以包括至少一个高通骁龙和/或英特尔凌动处理器。处理器310可以包括至少一个专用集成电路ASIC。处理器310可以包括至少一个现场可编程门阵列FPGA。处理器310可以是用于在设备300中执行方法步骤的部件。处理器310可以被配置为至少部分地由计算机指令执行例如如本文所公开的(多个)方法的动作。

处理器可以包括电路***，或者被构成为一个或多个电路***，该一个或多个电路***被配置为执行根据本文描述的实施例的方法的阶段。如在本申请中使用的，术语“电路***”可以是指以下一项或多项或全部：(a)仅硬件电路实现，诸如仅在模拟和/或数字电路***中的实现，以及(b)电路和软件的组合，诸如如适用：(i)(多个)模拟和/或数字硬件电路与软件/固件的组合或(ii)具有软件的(多个)处理器的任何部分(包括(多个)数字信号处理器)、软件和(多个)存储器，它们一起工作以使装置(诸如移动电话或服务器)执行各种功能，以及(c)需要软件(例如固件)用于操作的(多个)硬件电路和/或(多个)处理器，诸如(多个)微处理器或(多个)微处理器的一部分，但是在操作不需要软件时软件可以不存在。

“电路***”的该定义应用于本申请中该术语的所有使用，包括在任何权利要求中。作为另外的示例，如在本申请中使用的，术语“电路***”也将涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或它们的)随附软件和/或固件的实现。例如，如果适用于特定权利要求元素，术语“电路***”还涵盖用于移动设备的基带集成电路或处理器集成电路，或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。

设备300可以包括存储器320。存储器320可以包括随机接入存储器和/或永久存储器。存储器320可以包括至少一个RAM芯片。例如，存储器320可以包括固态、磁、光和/或全息存储器。存储器320可以至少部分地可由处理器310接入。存储器320可以至少部分地包括在处理器310中。存储器320可以是用于存储信息的部件。存储器320可以包括计算机指令，处理器310被配置为执行该计算机指令。当被配置为使处理器310执行某些动作的计算机指令被存储在存储器320中时，并且设备300总体上被配置为使用来自存储器320的计算机指令在处理器310的指导下运行，处理器310和/或其至少一个处理核可以被认为被配置为执行所述某些动作。存储器320可以至少部分地被包括在处理器310中。存储器320可以至少部分地在设备300外部但可由设备300接入。

设备300可以包括发送器330。设备300可以包括接收器340。发送器330和接收器340可以被配置为相应地根据至少一种蜂窝或非蜂窝标准发送和接收信息。发送器330可以包括多于一个的发送发送器。接收器340可以包括多于一个的接收器。发送器330和/或接收器340可以被配置为根据移动通信***标准操作，诸如5G、长期演进、LTE、无线局域网、WLAN和/或以太网。

设备300可以包括近场通信NFC收发器350。NFC收发器350可以支持至少一种NFC技术，诸如NFC、蓝牙、Wibree或类似技术。

设备300可以包括用户接口UI 360。UI 360可以包括显示器、键盘、触摸屏、被布置成通过使设备300振动来向用户发出信号的振动器、扬声器和麦克风中的至少一项。用户可以能够经由UI 360操作设备300，例如接受来电、发起电话呼叫或视频呼叫、浏览互联网、管理存储在存储器320中或可经由发送器330接入的云上的数字文件和接收器340，或经由NFC收发器350，和/或玩游戏。

设备300可以包括或被布置为接受用户身份模块370。用户身份模块370可以包括例如可安装在设备300中的订户标识模块SIM卡。用户身份模块370可以包括标识设备300的用户的订阅的信息。用户身份模块370可以包括密码信息，该密码信息可用于验证设备300的用户的标识和/或促进对经由设备300实现的通信的通信信息和设备300的用户的计费的加密。

处理器310可以配备有发送器，该发送器被布置为经由设备300内部的电导线将信息从处理器310输出到设备300中包括的其他设备。这样的发送器可以包括串行总线发送器，该串行总线发送器被布置成例如经由至少一个电导线将信息输出到存储器320以用于存储在其中。作为串行总线的备选，发送器可以包括并行总线发送器。同样，处理器310可以包括接收器，该接收器被布置为经由设备300内部的电导线从设备300中包括的其他设备接收处理器310中的信息。这样的接收器可以包括串行总线接收器，该串行总线接收器被布置成例如经由至少一个电导线从接收器340接收信息以用于在处理器310中进行处理。作为串行总线的备选，接收器可以包括并行总线接收器。

设备300可以包括图3中未图示的其他设备。例如，在设备300包括智能电话的情况下，它可以包括至少一个数码相机。一些设备300可以包括后置摄像头和前置摄像头，其中后置摄像头可以旨在用于数字摄影，并且前置摄像头可以旨在用于视频电话。设备300可以包括指纹传感器，该指纹传感器被布置成至少部分地认证设备300的用户。在一些实施例中，设备300缺少至少一个上述设备。例如，一些设备300可能缺少NFC收发器350和/或用户身份模块370。

处理器310、存储器320、发送器330、接收器340、NFC收发器350、UI 360和/或用户身份模块370可以通过设备300内部的电导线以多种不同方式互连。例如，上述设备中的每个设备可以分离地连接到设备300内部的主总线，以允许设备交换信息。然而，如本领域技术人员将理解的，这仅是一个示例，并且取决于实施例，可选择互连至少两个上述设备的各种方式。

图4以示例的方式示出了消费者内的不同的ML优化问题411、412、413、414的集合，例如ML实体420和生产者实体430。ML实体420可以被认为是解决k个ML优化问题的集合的实体，例如问题1 411、问题2 412、问题3 413……和问题k 414。ML优化问题可能与一些SON用例相对应，例如，随机接入信道(RACH)优化、移动鲁棒性优化(MRO)和/或覆盖容量优化(CCO)，但可能更普遍，并且涉及新定义的问题，这些问题被标识为较低或较高层操作的一部分。每个问题都可能与ML为了解决它所需的测量集合相关联。ML实体420可以是例如UE或RAN网络功能，或者可以是驻留在RAN外部的网络功能。(多个)ML算法利用从UE或拥有所需测量的另一网络功能提供的所需测量来执行。ML可以被部署在不同的实体中，即请求测量的网络功能可以是例如CU、DU、CU和DU两者、网络节点，例如gNB、RIC等。ML算法可以驻留在单个网络实体上，也可以分布在多个网络实体中。数据生产者430然后取决于部署ML的位置和ML算法所需的数据的位置。所需数据的位置可能取决于测量的类型，因为一些测量与较高层相关联，并且其他测量与较低层相关联。数据生产者可以是例如一个或多个UE或请求一个或多个UE执行测量的实体。在开放式RAN(O-RAN)中，数据生产者可以是例如无线电智能控制器(RIC)。

ML实体420可以从数据生产者430请求440测量集合。测量请求可以是消息“请求过滤器集合”。过滤器集合可以被指定，其包括{“UE身份”；“UE测量”；“时间采样指示”；“粒度”}的四元组集合，其允许给定实体(例如数据生产者430)请求对一个或多个UE的特定测量。在测量请求从网络实体直接向一个或多个UE发送的情况下，测量数据的四元组变为三元组，即{“UE测量”；“时间采样指示”；“粒度”}。

数据生产者430可以根据请求采取动作，并且向ML实体420发送450响应消息，例如，“响应过滤器集合”。备选地，现有的UE信息请求/响应消息可以被重用，其中过滤器集合信息作为信息元素被传递或发送。

ML实体420可以标识和/或选择从其请求数据的UE集合。那些UE可以被标识，例如通过特定的UE标识。备选地或附加地，可以标识和/或选择满足某些预定义条件的那些UE：例如，“吞吐量低于阈值的UE”、“参考信号接收功率(RSRP)值低于某个阈值的UE”、“参考信号接收质量(RSRQ)值在某个窗口内的UE”、“在某个区域内切换失败多于一定次数的UE”等。当标识请求数据的UE的步骤完成时，四元组测量数据变为三元组，即{“UE测量”；“时间采样指示”；“粒度”}。

考虑解决k个ML优化问题的集合所需的所有可用测量m的集合。由M(j)表示m个测量集合中的第j个测量，并创建那些测量的二进制向量[M(1)、M(2)、......、M(m)]以发信号通知所有可能的子集(2^m-1个这样的可能性)。在二进制向量中，一个(1)的值指示已指示的测量，而值零(0)指示未指示的测量。例如，测量可以是移动状态估计(MSE)/位置、无线电链路故障(RLF)/波束、随机接入信道(RACH)竞争解决故障/资源/波束、#RACH前导码/资源/波束、接收的参考信号功率(RSRP)、信干噪比(SINR)或其他物理层测量等。

测量M(j)可以与时间采样指示相关联。时间采样指示可以给出关于测量将被收集的开始时间、结束时间和采样的时间频率的信息。采样的时间频率可以指示将在数据将被收集的开始时间和结束时间之间的频率和模式。时间采样指示可以包括那些时间的必要时间单位，例如秒、毫秒、小时、天等。

备选地，对于预定义的时间采样指示，开始时间、结束时间和/或采样的频率可以是基于事件的。这意味着可以在满足特定事件时收集测量。可以收集测量，例如以非确定性和非周期性的方式。这样的事件的示例可以是与非故障相关的条件，例如：“RSRP下降到阈值以下”、“切换故障”(例如，在某个波束索引或位置或以上的组合上)、“给定资源上的RACH故障”(在频率、时间、波束索引、前导码或那些参数的组合方面)。

下面给出时间采样指示的几个非限制性示例。

时间采样指示可以利用收集测量的固定时段来定义。附加地，测量收集时段的开始和/或结束时间和/或时段本身可以在时间采样指示中被指示(连同它们相应的单位，例如，分钟、秒、小时、天等)。备选地，开始时间可以是基于事件的，即一旦观察到事件，实体就可以开始进行测量。结束时间也可以是基于事件的，即实体可以在观察到另一个事件时完成测量。

当时间采样指示被定义为基于事件的测量收集时，测量是在观察到某个事件时收集的。开始和/或结束时间可以是基于时间或基于事件的时间。

时间采样指示可以利用给出收集测量的模式的调度来定义。调度包括测量时段的开始时间和结束时间。这样的时间采样指示在例如确定性业务的情况下是有用的，如针对超可靠低延时通信(URLLC)所讨论的那样。当业务以确定性方式到达时，一些事件(例如传输冲突、干扰、吞吐量更新等)预计会遵循某种模式。此外，用于工厂自动化应用的确定性或半确定性移动性将创建遵循确定性模式的事件，例如，当涉及到切换故障时。备选地，开始时间和结束时间可以被确定为基于事件。开始和结束时间的单位以及调度还可以被指示。

测量M(j)可以与将被收集的粒度相关联。例如，如果测量与某个位置相关联，例如观察某个数量/位置，该位置可以是点(x,y,z)，也可能是较大的位置，诸如小区边缘或覆盖空洞。如果测量与波束相关联，例如观察某个数量/波束，其粒度可以是波束的索引或者是波束的网格。

图5以示例的方式示出了过滤器集合表示500。在该示例中，假设从其请求测量的UE是预选择的。因此，在图5中，未显示第四维，即UE标识或需要收集测量的UE-Id集合，并且包括过滤器集合的消息以三个维度表示，即,x、y和z。实际上，图5中的消息是将由给定(预选)UE接收的消息。

过滤器集合可以是4维矩阵，指向从中请求测量的特定的经标识UE(或满足某些事件的UE)的集合，或者是其中UE的选择已经发生的3维。过滤器集合的维数取决于接收者，即如果它是UE或另一网络功能。例如，如果过滤器集合消息向CU发送，则CU可以指示它从哪些UE请求测量。

x维度510表示测量，例如所有可能的测量，例如M(1)、M(2)、M(3)、M(4)、M(5)……M(m)。y维度520表示可能的时间采样指示，例如T(1)、T(2)、T(3)、T(4)……。z维度530表示粒度，例如G(1)、G(2)、G(3)、G(4)……。黑色的(x,y,z)分量(即图5中的矩阵中的分量541、542、543、544)表示由实体(数据消费者)请求的过滤测量。接收消息的实体(数据生产者)会将过滤后的测量发送给数据消费者。附加地，黑色分量表示需要这些测量的采样和粒度。图5中的黑色分量与定制的测量集合相对应，可以称为过滤器集合。可以通过对所有相关测量取一个或多个子集来创建过滤器集合。

可以向所有UE(UE、UE集合或UE类型)或其他网络实体(CU、DU、gNB、RIC等)指示所有测量，即使所有那些都没有收集所有测量。当新测量被添加或替换时，矩阵可以被适当地重新定义。

作为向UE或网络实体指示所有测量的备选，可以仅传送矩阵的相关条目。例如，要被激活或解激活的测量ID的阵列或向量可以由收集测量的实体在向从其请求测量的实体的配置消息中指示。这种动态实现可以通过避免不必要的元素来减小矩阵大小。矩阵的相关条目的通信可以通过配置消息来执行，例如配置过滤器集合消息。

针对问题和优化需求，过滤器集合与特定的ML优化问题1、2、……、k有关，其中问题与网络中的某个用例相对应。优化需求可以是例如覆盖和容量优化(CCO)、移动鲁棒性优化(MRO)、QoS验证、RACH优化、公共信道参数化(CCP)等。

与图5的x维度中的过滤器相对应的测量过滤器可以是例如

-k＝1 CCO，CCO测量过滤器集合＝{无线电级别测量：RSRP/RSRQ/信干噪比(SINR)、波束、全球导航卫星***(GNSS)、RLF报告}

-k＝2 MRO,MRO测量过滤器集合＝{RLF报告、切换故障(HOF)报告、波束故障恢复(BFR)、GNSS、物理小区标识符(PCI)等}

-k＝3 QoS，QoS测量过滤器集合＝{延迟、吞吐量、丢包率、GNSS等}

-k＝4 RACH,RACH测量过滤器集合＝{#RACH前导码/资源/波束,RACH竞争解决故障/资源/波束等}

-k＝4 CCP,CCP测量过滤器集合＝{#RACH前导码,#连接建立故障等}

这种过滤器集合的定义可以定义新的ML优化问题。它还允许以专有方式定义映射到给定优化问题的自己的过滤器集合。

需要某些(多个)测量的ML实体可以配置针对数据生产者处或直接在UE处的某个ML优化问题k’的过滤器集合。单个过滤器集合可以被映射到给定的ML优化问题。备选地，多个过滤器集合可以被映射到单个优化问题。例如，对于需要即时和记录MDT测量两者的ML优化问题，多个过滤器集合可以被映射到单个优化问题。

ML优化问题可以在配置消息和/或过滤器集合的请求/响应消息中显式地发信号通知。一旦配置完成，ML实体可以请求“测量以解决优化问题k’”，并且还请求某些过滤器集合，例如配置的过滤器集合的子集。因此，请求测量的实体除了它请求的测量之外，还指示测量的目的。当配置和/或请求/响应过程显式地与特定的ML优化问题相关联时，它被指示给请求测量的实体，例如数据生产者，附加的智能被添加到请求测量的实体。

图6a通过示例示出了ML实体610和数据生产者620之间的信令。ML实体610针对数据生产者620处的某个ML优化问题k’配置630过滤器集合。对数据生产者的测量配置和请求与特定的ML优化问题相关联，该特定的ML优化问题向数据生产者指示。数据生产者可以开始执行测量和/或从一个或多个UE收集测量。数据生产者620向ML实体610发送632关于有关特定问题k’的数据可用性的消息。关于数据可用性的消息可以指示数据生产者已经针对特定问题收集了所请求的数据。对于不同的优化问题，数据可能在不同的时间点变得可用。因此，数据生产者可以向ML实体发送关于有关不同优化问题的数据可用性的多条消息。ML实体向数据生产者620发送634测量请求“请求过滤器集合”发送。过滤器集合可以通过在测量请求中指示应该从其收集测量的UE的身份来指定请求测量的UE的集合，即过滤器集合是四维的。在测量请求中，即“请求过滤器集合”消息中，ML优化问题作为请求的参数给出，并且特定测量映射到某个优化问题。不同的过滤器集合表示为#f1、#f2……。数据生产者根据该请求动作，然后向ML实体发送636消息“响应过滤器集合”。ML实体接收来自数据生产者的消息“响应过滤器集合”。现有的UE信息请求/响应消息可以被重用，其中过滤器集合信息作为信息元素被传递或发送。

图6b作为示例示出了ML实体660与UE 670之间的信令。在这个示例中，数据生产者是UE。ML实体660配置针对UE 670处的某个ML优化问题k’680的过滤器集合。对UE的测量配置和请求与向UE指示的特定ML优化问题相关联。UE 670向ML实体660发送682关于数据可用性的消息，该数据可用性有关特定问题k’。ML实体660向UE 670发送684测量请求“请求过滤器集合”。在这种情况下，过滤器集合是三维的，即UE信息已经通过配置和请求来自特定UE的测量来解释。在测量请求中，即消息“请求过滤器集合”中，ML优化问题作为请求的参数给出，并且特定的测量被映射到某个优化问题。不同的过滤器集合表示为#f1、#f2……。UE根据请求动作，然后向ML实体发送686消息“响应过滤器集合”。ML实体从UE接收消息“响应过滤器集合”。

接收对特定过滤器集合的请求并进行测量的UE可以将测量结果存储到其本地存储器中，直到它获得所有需要的信息。当所有需要的测量都已经进行，UE将测量发送回数据生产者或ML实体。可能是在UE处不对数据进行处理以减少体积，或者UE可以附加地处理数据。

图6a和图6b中的过程将在响应过滤器集合消息中产生图5中形式的矩阵。在响应过滤器集合消息中，从中获得测量的UE可以被附加在响应中。那些UE可以是从其请求测量的UE的子集或在请求过滤器集合消息中指示的所有UE。例如，如果测量正在测量UE集合的平均吞吐量，并且如果不是所有UE都报告吞吐量测量，那么请求实体应当知道哪些UE提供了测量。作为备选，在响应过滤器集合消息中省略UE指示，即，4维矩阵变为3维。

返回参考图6b，即当测量配置涉及UE处的配置时，可以通过引入新配置消息或通过重用记录测量配置消息以包括过滤器集合来完成配置。配置消息还可以指示针对其请求测量的ML优化问题，这给出了针对ML目的请求数据的指示。

需要注意的是，即使在图6a和图6b的示例中ML实体正在发送配置消息，发送配置消息的实体可以备选地是由托管ML的实体触发的实体。

图7a以示例的方式示出了用于RAN数据收集的方法的流程图。方法700的阶段可以例如由设备300(例如ML实体，或由托管ML的实体触发的实体)执行。方法700包括配置针对第一数据生产者处的一个或多个预定优化问题710的测量集合。方法700包括向第一数据生产者发送720第一测量请求，其中第一测量请求指示针对一个或多个预定优化问题、时间采样指示和粒度的一个或多个所请求的测量。方法700包括接收730包括第一测量结果的测量响应，该第一测量结果的对应于第一测量请求。方法700包括向一个或多个优化算法提供第一测量结果，该一个或多个优化算法用于解决一个或多个预定优化问题。

图7b通过示例示出了用于RAN数据收集的方法的流程图。方法750的阶段可以例如由设备300(例如数据生产者，诸如UE或请求一个或多个UE以执行所请求的测量的实体)执行。方法750包括接收760用于一个或多个预定优化问题的测量收集的配置。可以接收配置，例如从ML实体。方法750包括接收770第一测量请求，该第一测量请求指示针对一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度。方法750包括根据第一测量请求执行780一个或多个所请求的测量和/或根据来自一个或多个用户设备的第一测量请求来请求一个或多个所请求的测量。方法750包括发送790包括第一测量结果的测量响应，该第一测量结果对应于对应于第一测量请求。可以发送测量响应，例如到ML实体。

该方法使用定制的测量请求，能够以有效的方式收集和报告数据，这有助于UE较好地利用它们的资源，诸如存储器和电池。附加地，通过在UE处智能地收集测量，网络可以较快地处理接收到的测量并使用较少的存储和处理资源。这些方法可以被应用于即时MDT和记录MDT两者。

测量请求和/或测量响应，即请求过滤器集合和/或响应过滤器集合消息，可以取决于放置ML实体的位置通过不同的接口发送。例如，在CU/DU架构中，用于MDT数据收集的信令可以通过F1/E1接口；通过gNB或eNB之间的X2/Xn接口；通过O-RAN中的E2和/或A1接口。

在拆分架构的情况下，整个测量集合可以被拆分为两个不同的部分，即从CU收集的测量和从DU收集的测量。可以从第一数据生产者和从第二数据生产者收集测量。图8作为示例示出了实体之间的信令，其中ML被放置在RAN外部实体中。RAN外部实体可以是例如O-RAN中的RIC或OAM域中的TCE。ML实体810可以向CU 812发送820测量请求，并且从CU 812接收825测量响应。换言之，ML实体810可以通过ML-CU 812接口触发请求过滤器集合过程820和响应过滤器集合过程825。由CU触发的测量集合可以被命名为第一测量集合，即filterSet1。由DU触发的测量集合可以被命名为第二测量集合，即filterSet2。

ML实体可以向DU 814发送830测量请求，并从DU 814接收835测量响应。换言之，ML实体810可以通过ML-DU 814接口触发请求过滤器集合过程830和响应过滤器集合过程835。在测量请求消息“请求过滤器集合”中，ML实体可以指示需要测量结果的预定ML问题。此外，可以在测量请求消息中指示应该从中获得测量的UE集合。例如，那些UE可以是满足特定条件的UE或者通过特定标识符标识的UE。

当CU 812和DU 814从ML实体接收对过滤器集合的请求时，如果这些过滤器集合涉及来自UE的测量，则它们随后在UE处针对所请求的ML问题和过滤器集合发送对应的测量配置消息。从这个过程中得到filterSet1和filterSet2。从CU或从DU收集的测量结果是不同的，因为这两个实体自然会处理不同类型的信息。CU处理较高层信息，而DU处理较物理层信息。接收filterSet1和filterSet2两者的ML实体可以使用它们来优化其ML优化问题。

图9a作为示例示出了实体之间的信令，其中ML被放置在CU 910处。在CU 910处的ML，即本示例中的ML实体，可以向DU 912发送920测量请求，并且从DU 912接收925测量响应。换言之，CU处的ML可以通过与DU 912的F1接口或通过可以在CU和DU之间互连ML实体的一些新定义的接口触发请求过滤器集合过程920和响应过滤器集合过程925。CU处的ML可以从这些过程中获得由filterSet2给出的测量集合。可以在测量请求消息中指示应该从中获得测量的UE集合。例如，那些UE可以是满足特定条件的UE或者通过特定标识符标识的UE。附加地，可以在测量请求中指示需要测量结果的预定ML问题。

CU处的ML可以向一个或多个UE 940发送930测量请求，并从一个或多个UE 940接收935测量响应。换言之，CU处的ML可以通过向某些UE发送请求过滤器集合并且并从UE接收响应过滤器集合来触发来自特定UE的测量收集。UE信息可以作为请求过滤器集合的源和/或目的地的一部分存在。因此，在此示例中，请求过滤器集合消息中不包括UE指示。从这个过程中，ML可以获得由filterSet1给出的测量集合。在CU处具有filterSet1和filterSet2两者的的ML可以使用由filterSet1和filterSet2给出的测量结果来优化某些ML优化问题。在图9a的示例中，可以假设UE 940已经被配置为收集用于给定ML问题和过滤器集合的测量。

图9b作为示例示出了实体之间的信令，其中ML被放置在CU-CP 950处。在CU-CP处的ML，即本示例中的ML实体，可以向DU 960发送970测量请求，并从DU 960接收975测量响应。换言之，CU-CP处的ML可以通过F1接口或通过可以在CU和DU之间互连ML实体的一些新定义的接口来触发请求过滤器集合过程970和响应过滤器集合过程975。CU-CP处的ML可以从这些过程中获得由filterSet2给出的测量集合。可以在测量请求消息中指示应该从中获得测量的UE集合。例如，那些UE可以是满足特定条件的UE或者通过特定标识符标识的UE。附加地，可以在测量请求中指示需要测量结果的预定ML问题。

CU-CP 950处的ML可以向CU-UP 980发送990测量请求，并从CU-UP 980接收995测量响应。换言之，CU-UP处的ML可以通过E1接口或通过可以在CU-CP和CU-UP之间互连ML实体的一些新定义的接口触发请求过滤器集合过程990和响应过滤器集合过程995。CU-CP处的ML可以从这些过程中获得由filterSet4给出的测量集合。在CU-CP处具有filterSet2和filterSet4两者的ML可以使用由filterSet2和filterSet4给出的测量结果来优化某些可能彼此不同的ML优化问题。在图9b的示例中，可以假设UE已经被配置为收集用于给定ML问题和过滤器集合的测量。

图10作为示例示出了实体之间的信令，其中ML被放置在DU 1010处。DU 1010处的ML，即本示例中的ML实体，可以向CU 1012发送1020测量请求，并且从CU 1012接收1025测量响应。换言之，DU处的ML可以通过与CU 1012的F1接口或通过可以在CU和DU之间互连ML实体的一些新定义的接口触发请求过滤器集合过程1020和响应过滤器集合过程1025。DU处的ML可以从这些过程中获得由filterSet1给出的测量集合。可以在测量请求消息中指示应该从中获得测量的UE集合。例如，那些UE可以是满足特定条件的UE或者通过特定标识符标识的UE。附加地，可以在测量请求中指示需要测量结果的预定ML问题。

DU处的ML可以向一个或多个UE 1040发送1030测量请求，并从一个或多个UE 1040接收1035测量响应。换言之，DU处的ML可以通过向某些UE发送请求过滤器集合并且并从UE接收响应过滤器集合来触发来自特定UE的测量收集。UE信息可以作为请求过滤器集合的源和/或目的地的一部分存在。因此，在此示例中，请求过滤器集合消息中不包括UE指示。ML可以从这个过程中获得由filterSet2给出的测量集合。在DU处具有filterSet1和filterSet2两者的ML可以使用由filterSet1和filterSet2给出的测量结果来优化某些ML优化问题。在图10的示例中，可以假设UE 1040已经被配置为收集用于给定ML问题和过滤器集合的测量。

图11通过示例示出了实体之间的信令，其中ML被放置在网络节点1110处，例如在gNB。ML可以作为实体存在于gNB内，其不支持前传功能CU-DU拆分。gNB 1110中的ML，即本示例中的ML实体，可以向一个或多个UE 1130发送1120测量请求，并从一个或多个UE 1130接收1125测量响应。换言之，在gNB 1110可以直接从UE集合触发请求过滤器集合过程1120和响应过滤器集合过程1125。UE可以通过UE标识符来标识，或者它们可以是满足某个条件的UE。ML可以获得由filterSet1和filterSet2给出的测量集合，其可以由ML使用来优化某些ML优化问题。在图11的示例中，可以假设UE已经被配置为收集用于给定ML问题和过滤器集合的测量。

ML流水线可以包括多个组件，这些组件可以位于不同的实体中。图12以示例的方式示出了实体之间的信令，其中ML被分布，其中一部分放置在CU 1210和DU 1240两者处。作为另一示例，图13示出了实体之间的信令，其中ML算法部分地位于一个网络节点中，例如gNB 1310，并且部分地在另一网络节点中，例如gNB 1320。

在图12中，CU 1210处的ML可以通过向一个或多个UE 1230发送1220请求过滤器集合并从一个或多个UE 1230接收1225响应过滤器集合来触发来自特定UE的测量收集。在该示例中，请求过滤器集合消息中不包括UE指示。ML可以从这个过程中获得由filterSet1给出的测量集合。

DU 1240处的ML可以通过向一个或多个UE 1260发送1250请求过滤器集合并从一个或多个UE 1260接收1255响应过滤器集合来触发来自特定UE的测量收集。在该示例中，UE指示不包括在请求过滤器集合消息中。ML可以从这个过程中获得由filterSet2给出的测量集合。应当注意，一个或多个UE 1230和一个或多个UE 1260可以至少部分是相同的UE集合，即它们可以具有一些重叠。

CU 1210处和DU 1240处的不同ML过程可以独立优化不同的问题并协调它们的最佳决策。在可能与ML实体(例如，CU(/DU))需要从另一ML实体(例如，DU/CU)请求的测量相对应的情况下，可能需要在CU和DU之间传送1270filterSet3。

在图12的示例中，可以假设UE已经被配置为收集用于给定ML问题和过滤器集合的测量。

在图13中，ML被放置在两个不同的gNB处，例如第一网络节点1310和第二网络节点1320。然而要注意，ML可以放置在多于两个不同的网络节点处。在这种分布式计算中，过滤器集合需要跨X2接口或Xn接口或通过可以相应地在eNB或gNB之间互连ML实体1315的一些新定义的接口进行通信。请求过滤器集合消息可以从第一网络节点1310向第二网络节点1320发送1330，并且响应过滤器收集消息可以从第二网络节点1320被发送1335向第一网络节点1310。

图14以示例的方式示出了覆盖和容量优化(CCO)中的信令。ML实体1410可以配置1440、1442 UE收集，例如，具有用于CCO优化的测量的第一UE 1420和第二UE 1430。第一UE可以是第一数据生产者。第二UE可以是第二数据生产者。CCO优化是本示例中给定的ML优化问题。UE被配置的测量可以与无线电测量和/或详细的位置信息有关。在配置之后，ML可以接收1444、1446用于CCO的数据可用性的指示。ML实体1410可以请求1450、1452来自不同UE的可用测量的不同子集。因此，对于给定的ML优化问题，可能会从不同的UE请求不同的过滤器集合。不同的过滤器集合在图14中显示为测量过滤器x和测量过滤器y。测量过滤器x被包括在发送到第一UE 1420的请求过滤器集合中。测量过滤器x可以包括例如服务小区信号和全球定位***(GPS)信息。测量过滤器y被包括在发送到第二UE 1430的请求过滤器集合中。测量过滤器y可以包括例如相邻小区信号。UE可以向ML实体发送1460、1462测量响应，即响应过滤器集合。来自第一UE 1420的响应过滤器集合包括例如RSRP/RSRQ/SINR/GNSS、时间采样指示和粒度。来自第二UE 1430的响应过滤器集合包括例如RSRP/RSRQ/SINR、时间采样指示'和粒度'。在此示例中，过滤器集合是3维的，即UE的选择已经发生。

图15作为示例示出了实体之间的信令，其中评估了用于(多个)ML算法的终止条件。网络节点1510(例如托管ML算法的gNB)可以配置1520、1522过滤器集合，这些过滤器集合与UE处的不同ML优化问题相对应，例如UE1 1512和UEn 1514。过滤器集合配置完成后，gNB可以针对不同的ML优化问题请求1524、1526过滤器集合测量。在这个示例中，考虑两个典型的通用问题x和y。从UE1 1512请求过滤器集合x。从UEn 1514请求过滤器集合y。

一旦gNB从UE 1512、1514接收1528、1530不同问题的过滤器集合，它就可以使用它们来训练1532它的ML优化算法。ML算法可以计算成本或奖励，这可以确定ML算法的执行情况，即ML算法是否示出所需的收敛性。一旦这已经被计算，模型训练终止验证过程1534可以被执行，其确定ML算法是否已经达到期望的性能。可以将计算的成本或奖励与预定的最优成本或奖励相比较1536，在图15、图16和图17中表示为Cost Optx和Cost Opty。如果这两个成本或奖励足够接近，用于每个ML优化问题的算法可以终止。成本或奖励可以是例如与ML问题相关阈值相比较，在图15、图16和图17中表示为epsilon_x和epsilon_y。这有助于托管ML的gNB节省资源，诸如能量、存储器等。如果成本或奖励远离最佳成本或奖励，可能需要较多测量，并且可能会重新训练ML优化问题。成本或奖励过程只是说明需要较多信息或关闭测量报告的示例。

图15示出了评估用于ML算法的终止条件的一个场景1540。基于与预定的最佳成本或奖励的比较1542以及与ML问题相关阈值的比较，检测1544ML优化问题x和ML优化问题y两者都需要较多测量。对于这两个ML优化问题，gNB可以向UE请求1546、1548较多测量。ML可以从与不同的测量子集、不同粒度和不同时间采样指示相对应的不同UE请求不同过滤器，例如过滤器集合x’和过滤器集合y’。

针对每个ML优化问题请求的过滤器集合可以取决于ML算法的性能以及它是否需要增加或减少测量。例如，它可以请求来自较多或较少数目的UE的数据、和/或以较高或较小周期性、和/或较大或较小粒度等对数据进行采样。如果性能低于预定阈值，另外的测量请求指示比第一测量请求中多的所请求的测量，和/或指示比第一测量请求中高的测量采样频率的时间采样指示和/或比第一测量请求中高的粒度。如果性能高于预定阈值，则另外的测量请求指示比第一测量请求中少的测量请求，和/或指示从比第一测量请求中少数目的UE请求数据，和/或指示比第一测量请求中低的测量采样频率的时间采样指示，和/或比第一测量请求中低的粒度。

在接收1550、1552新的过滤器集合之后，gNB 1510可以使用它们来重新训练1554其ML优化算法。ML算法可以计算成本或奖励，这可以确定ML算法的执行情况。

图16示出了评估用于ML算法的终止条件的另一场景1640，其中用户问题x的算法可能被终止，而用于问题y的算法需要获得较多的测量。基于与预定的最佳成本或奖励的比较1642以及与ML问题相关的阈值的比较，检测1644ML优化问题x满足终止条件并且对于该问题不再需要测量。用于问题x的ML优化算法可能会停止。尽管如此，测量(例如光测量，例如过滤器集合x”)可以由gNB中的ML请求1646，以便监测网络性能。基于比较1642，检测1644ML优化问题y需要较多测量。为了满足性能，gNB可以请求1648更多测量，例如过滤器集合y’，例如来自较高数目的UE，和/或较高粒度和/或较频繁的时间采样指示。在接收1650、1652新过滤器集合之后，gNB 1510可以基于接收到的与问题x相关的测量来监测1654性能，并且重新训练1654其与问题y相关的ML优化算法。

图17示出了评估用于ML算法的终止条件的又一场景1740，其中用于问题x和y的算法可以停止。基于与预定的最佳成本或奖励的比较1742以及与ML问题相关阈值的比较，检测1744ML优化问题x和ML优化问题y两者都具有令人满意的性能并且满足终止条件。因此，gNB可以关闭1744两种ML优化算法。然而，gNB仍可以请求1746、1748一些测量(例如光测量，例如过滤器集合x”和过滤器集合y”)以监测网络性能。在接收1750、1752新过滤器集合之后，gNB 1510可以基于接收到的与问题x和问题y相关的测量来监测1754性能。

如本文所公开的方法和信令可以实现例如

-出于机器学习的目的的网络和RRC无线电接口的使用

-用于即时和记录MDT的预定义测量集合到特定的(例如众所周知的)ML优化问题的映射

-根据以下条件过滤、处理和聚合测量的不同子集：

o每次测量的不同周期性/调度/采样周期性

o所要求测量的不同精度/粒度

o请求测量的不同用户(作为固定数目、UE ID集合或满足一些条件/事件的用户)

-基于过滤的测量子集生成新的测量的配置，以触发选择性数据收集

o可能利用标识测量子集的ML优化问题发信号通知或标记配置

-取决于ML优化算法接收到的性能界定测量量范围：

o当用于给定问题的ML算法性能较差时，可能需要针对给定问题进行较多测量

o当ML算法对给定问题的性能令人满意时，ML算法可以将此信息用作禁用的触发器。网络性能监测可能仍需要一些测量

o可以根据ML优化问题调整测量的数量和类型。

Claims

1.一种装置，包括用于以下操作的部件：

配置针对第一数据生产者处的一个或多个预定优化问题的测量收集；

向所述第一数据生产者发送第一测量请求，其中所述第一测量请求指示针对所述一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；

接收包括第一测量结果的测量响应，所述第一测量结果对应于所述第一测量请求；以及

向一个或多个优化算法提供所述第一测量结果，所述一个或多个优化算法用于解决所述一个或多个预定优化问题。

2.根据权利要求1所述的装置，还包括：一个或多个机器学习算法，用于使用所述测量响应来解决所述一个或多个预定优化问题。

3.根据任一项前述权利要求所述的装置，还包括用于以下操作的部件：

从所述第一数据生产者接收关于数据可用性的指示，所述数据可用性有关所述一个或多个预定优化问题。

4.根据任一项前述权利要求所述的装置，其中所述第一数据生产者是用户设备，测量从所述用户设备被请求。

5.根据任一项前述权利要求所述的装置，还包括用于以下操作的部件：

配置针对第二数据生产者处的一个或多个预定优化问题的测量收集；

向所述第二数据生产者发送第二测量请求，其中所述第二测量请求指示针对所述一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；

接收包括第二测量结果的测量响应，所述第二测量结果对应于所述第二测量请求；

向一个或多个优化算法提供所述第二测量结果，所述一个或多个优化算法用于解决所述一个或多个预定优化问题。

6.根据权利要求5所述的装置，其中所述第二测量请求至少部分地不同于所述第一测量请求。

7.根据任一项前述权利要求所述的装置，还包括用于以下操作的部件：

确定训练所述一个或多个优化算法的性能；

基于所述一个或多个优化算法的所确定的所述性能，向所述第一数据生产者发送另外的测量请求，其中所述另外的测量请求至少部分地不同于所述第一测量请求。

8.根据权利要求7所述的装置，其中所确定的所述性能低于预定阈值，所述另外的测量请求指示：

-比所述第一测量请求中多的所请求的测量；和/或

-时间采样指示，指示比所述第一测量请求中高的测量采样的频率；和/或

-比所述第一测量请求中高的粒度。

9.根据权利要求7所述的装置，其中所确定的所述性能高于预定阈值，所述另外的测量请求指示：

-比所述第一测量请求中少的所请求的测量；和/或

-从比所述第一测量请求中低的数目的UE请求数据；和/或

-时间采样指示，指示比所述第一测量请求中低的测量采样的频率；和/或

-比所述第一测量请求中低的粒度。

10.一种装置，包括用于以下操作的部件：

接收针对一个或多个预定优化问题的测量收集的配置；

接收第一测量请求，所述第一测量请求指示针对所述一个或多个预定优化问题的一个或多个所请求的测量、时间采样指示和粒度；

根据所述第一测量请求执行所述一个或多个所请求的测量，和/或根据所述第一测量请求从一个或多个用户设备请求所述一个或多个所请求的测量；以及

发送包括第一测量结果的测量响应，所述第一测量结果对应于所述第一测量请求。

11.根据权利要求10所述的装置，还包括用于以下操作的部件：

从所述一个或多个用户设备接收所述一个或多个所请求的测量。

12.根据权利要求10或11所述的装置，还包括用于以下操作的部件：

发送关于数据可用性的指示，所述数据可用性有关所述一个或多个预定优化问题。

13.根据权利要求10至12中任一项所述的装置，还包括用于以下操作的部件：

接收另外的测量请求，所述另外的测量请求至少部分地不同于所述第一测量请求。

14.根据权利要求13所述的装置，其中所述另外的测量请求指示：

-比所述第一测量请求中多的所请求的测量；和/或

-比所述第一测量请求中高的粒度。

15.根据权利要求13所述的装置，其中所述另外的测量请求指示：

-比所述第一测量请求中少的所请求的测量；和/或

-从比所述第一测量请求中低的数目的UE请求数据；和/或

-比所述第一测量请求中低的粒度。

16.根据任一项前述权利要求所述的装置，其中所述第一测量请求还包括对一个或多个用户设备的标识，所述测量从所述一个或多个用户设备被请求。

17.根据权利要求16所述的装置，其中对所述一个或多个用户设备的所述标识基于一个或多个用户设备标识。

18.根据权利要求16或17所述的装置，其中对所述一个或多个用户设备的所述标识基于对满足一个或多个预定义条件的一个或多个用户设备的选择。

19.根据任一项前述权利要求所述的装置，其中所述时间采样指示用于指示以下一项或多项：

-测量时段的开始和/或结束时间；

-测量采样的频率；

-测量采样的开始时间、结束时间和/或所述频率是基于事件的。

20.根据任一项前述权利要求所述的装置，其中所述一个或多个所请求的测量包括以下一项或多项：移动状态估计(MSE)/位置、无线电链路故障(RLF)/波束、随机接入信道(RACH)竞争解决故障/资源/波束、#RACH前导码/资源/波束。

21.根据任一项前述权利要求所述的装置，其中所述部件包括至少一个处理器；以及至少一个存储器，所述至少一个存储器包括计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起引起所述装置的执行。

22.一种方法，包括

配置针对第一数据生产者处的一个或多个预定优化问题的测量集合；

23.根据权利要求22所述的方法，还包括通过一个或多个机器学习算法使用所述测量响应来解决所述一个或多个预定优化问题。

24.根据权利要求22或23所述的方法，还包括：

25.根据权利要求22至24中任一项所述的方法，其中所述第一数据生产者是用户设备，测量从所述用户设备被请求。

26.根据权利要求22至25中任一项所述的方法，还包括：

27.根据权利要求26所述的方法，其中所述第二测量请求至少部分地不同于所述第一测量请求。

28.根据权利要求22至27中任一项所述的方法，还包括：

确定训练所述一个或多个优化算法的性能；

29.根据权利要求28所述的方法，其中所确定的所述性能低于预定阈值，所述另外的测量请求指示：

-比所述第一测量请求中多的所请求的测量；和/或

-比所述第一测量请求中高的粒度。

30.根据权利要求28所述的方法，其中所确定的所述性能高于预定阈值，所述另外的测量请求指示：

-比所述第一测量请求中少的所请求的测量；和/或

-从比所述第一测量请求中低的数目的UE请求数据；和/或

-比所述第一测量请求中低的粒度。

31.一种方法，包括：

接收针对一个或多个预定优化问题的测量收集的配置；

32.根据权利要求31所述的方法，还包括：

33.根据权利要求31或32所述的方法，还包括：

34.根据权利要求31至33中任一项所述的方法，还包括：

接收另外的测量请求，所述另外的测量请求至少部分不同于所述第一测量请求。

35.根据权利要求34所述的方法，其中所述另外的测量请求指示：

-比所述第一测量请求中多的所请求的测量；和/或

-比所述第一测量请求中高的粒度。

36.根据权利要求34所述的方法，其中所述另外的测量请求指示：

-比所述第一测量请求中少的所请求的测量；和/或

-从比所述第一测量请求中低的数目的UE请求数据；和/或

-比所述第一测量请求中低的粒度。

37.根据权利要求22至36中任一项所述的方法，其中所述第一测量请求还包括对一个或多个用户设备的标识，所述测量从所述一个或多个用户设备被请求。

38.根据权利要求37所述的方法，其中对所述一个或多个用户设备的所述标识基于一个或多个用户设备标识。

39.根据权利要求37或38所述的方法，其中对所述一个或多个用户设备的所述标识基于对满足一个或多个预定义条件的一个或多个用户设备的选择。

40.根据权利要求22至39中任一项所述的方法，其中所述时间采样指示用于指示以下一项或多项：

-测量时段的开始和/或结束时间；

-测量采样的频率；

41.根据权利要求22至40中任一项所述的方法，其中所述一个或多个所请求的测量包括以下一项或多项：移动状态估计(MSE)/位置、无线电链路故障(RLF)/波束、随机接入信道(RACH)竞争解决故障/资源/波束、#RACH前导码/资源/波束。

42.一种可选的非瞬态计算机可读介质，包括程序指令，所述程序指令在由至少一个处理器执行时使装置至少执行：

43.一种可选的非瞬态计算机可读介质，包括程序指令，所述程序指令在由至少一个处理器执行时使装置至少执行：

接收针对一个或多个预定优化问题的测量收集的配置；

44.一种计算机程序，所述计算机程序被配置为使根据权利要求22至30和/或权利要求37至41中的至少一项的方法被执行。

45.一种计算机程序，所述计算机程序被配置为使根据权利要求31至41中至少一项的方法被执行。