CN116419331A - 切换方法、装置及存储介质 - Google Patents
切换方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116419331A CN116419331A CN202111627692.9A CN202111627692A CN116419331A CN 116419331 A CN116419331 A CN 116419331A CN 202111627692 A CN202111627692 A CN 202111627692A CN 116419331 A CN116419331 A CN 116419331A
- Authority
- CN
- China
- Prior art keywords
- terminal
- message
- target
- handover method
- machine learning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 132
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims description 89
- 238000012549 training Methods 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 27
- 238000007726 management method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 8
- 238000010295 mobile communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000011664 signaling Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101150074586 RAN3 gene Proteins 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0011—Control or signalling for completing the hand-off for data sessions of end-to-end connection
- H04W36/0016—Hand-off preparation specially adapted for end-to-end data sessions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/02—Processing of mobility data, e.g. registration information at HLR [Home Location Register] or VLR [Visitor Location Register]; Transfer of mobility data, e.g. between HLR, VLR or external networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种切换方法、装置及存储介质,所述方法包括:确定未来一段时间终端采用的目标波束;根据所述目标波束进行接纳控制和数据传输。本申请实施例提供的切换方法、装置及存储介质,在进行接纳控制之前,目标小区先确定未来一段时间终端采用的目标波束,避免在波束扫描过程中遍历扫描全部窄波束来寻找最佳发射/接收波束,降低了切换时延,提高了切换效率。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种切换方法、装置及存储介质。
背景技术
第五代移动通信(the 5th generation mobile communication,5G)的一个关键技术就是更高频段通信,尤其是在毫米波频段。在毫米波频段通信可以充分利用通信频段,它以直射波的方式在空间进行传播,波束很窄,具有良好的方向性,但是会造成无线覆盖范围更小。为了增强5G覆盖,基站采用波束赋形技术,即通过调整多天线的幅度和相位,赋予天线辐射图特定的形状和方向,使无线信号能量集中于更窄的波束上,来增强覆盖范围和减少干扰。通常波束越窄,信号增益越大。但副作用是,一旦波束的指向偏离用户,用户接收不到高质量的无线信号,特别是在高速铁路场景中,终端频繁切换,需要终端和基站通信时快速对准波束。
基站和终端通信过程中,在波束覆盖范围内,根据预定义的时间间隔和在天线发送/接收方向形成的波束上传输信号。基站在不同的空间方向上的m个波束上发送/接收信号,终端在n个不同的接收/发送空间上监听/扫描来自基站的波束传输,因此总共有m*n次波束扫描,最终基站和终端选择合适的波束进行通信。在切换过程中,终端接入目标小区时,基站和终端为了对准波束,也采用上述波束扫描的策略。在波束扫描过程中通常采用的遍历扫描全部窄波束来寻找最佳发射/接收波束的策略需要大量的波束开销,导致切换时间较长,会带来数据传输中断等问题。
发明内容
本申请实施例提供一种切换方法、装置及存储介质,用以解决现有技术中切换过程中由于波束扫描导致切换时延过长的技术问题。
第一方面,本申请实施例提供一种切换方法,应用于目标小区,包括:
确定未来一段时间终端采用的目标波束;
根据所述目标波束进行接纳控制和数据传输。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第一消息;所述第一消息中包含智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述第一消息为小区间的接口消息。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
在一些实施例中,所述第二消息为小区间的接口消息。
第二方面,本申请实施例提供一种切换方法,应用于源小区,包括:
向目标小区发送第一消息;所述第一消息用于供所述目标小区确定未来一段时间终端采用的目标波束。
在一些实施例中,所述第一消息中包含智能波束预测的相关信息。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述向目标小区发送第一消息之前,还包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第一消息为小区间的接口消息。
第三方面,本申请实施例提供一种切换方法,应用于源小区,包括:
向目标小区发送第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
在一些实施例中,所述向目标小区发送第二消息之前,还包括:
利用机器学习模型推断未来一段时间终端采用的目标波束。
在一些实施例中,所述利用机器学习模型推断未来一段时间终端采用的目标波束,包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第二消息为小区间的接口消息。
第四方面,本申请实施例提供一种目标小区,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行如上所述第一方面所述的切换方法的步骤。
第五方面,本申请实施例提供一种源小区,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行如上所述第二方面所述的切换方法的步骤。
第六方面,本申请实施例提供一种源小区,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行如上所述第三方面所述的切换方法的步骤。
第七方面,本申请实施例提供一种切换装置,包括:
第一确定模块,用于确定未来一段时间终端采用的目标波束;
处理模块,用于根据所述目标波束进行接纳控制和数据传输。
第八方面,本申请实施例提供一种切换装置,包括:
第一发送模块,用于向目标小区发送第一消息;所述第一消息用于确定未来一段时间终端采用的目标波束。
第九方面,本申请实施例提供一种切换装置,包括:
第二发送模块,用于向目标小区发送第二消息;所述第二消息用于确定未来一段时间终端采用的目标波束。
第十方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行如上所述第一方面、第二方面或第三方面所述的切换方法的步骤。
本申请实施例提供的切换方法、装置及存储介质,在进行接纳控制之前,目标小区先确定未来一段时间终端采用的目标波束,避免在波束扫描过程中遍历扫描全部窄波束来寻找最佳发射/接收波束,降低了切换时延,提高了切换效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的切换方法的流程示意图之一;
图2是本申请实施例提供的源小区和目标小区位于不同基站的示意图;
图3是本申请实施例提供的源小区和目标小区位于相同基站的示意图;
图4是本申请实施例提供的切换的信令交互示意图之一;
图5是本申请实施例提供的切换的信令交互示意图之二;
图6是本申请实施例提供的切换方法的流程示意图之二;
图7是本申请实施例提供的切换方法的流程示意图之三;
图8是本申请实施例提供的目标小区的结构示意图;
图9是本申请实施例提供的源小区的结构示意图之一;
图10是本申请实施例提供的源小区的结构示意图之二;
图11是本申请实施例提供的一种切换装置的结构示意图之一;
图12是本申请实施例提供的一种切换装置的结构示意图之二;
图13是本申请实施例提供的一种切换装置的结构示意图之三。
具体实施方式
5G网络中的移动性优化问题是第三代合作伙伴计划(3rd GenerationPartnership Project,3GPP)标准组织关注的问题之一,在RAN3小组各设备商和运营商提出了将人工智能(Artificial Intelligence,AI)技术应用于移动性优化的不同方案,比如采用AI技术预测终端的运动轨迹,调整切换算法中的参数配置,但是现有技术中基于波束预测的移动性优化方案还没有提案或者技术方案提出。
如何将波束快速对准用户是5G技术中波束管理技术研究的主要内容。为了快速对准波束,采用了波束扫描的策略。通常采用的遍历扫描全部窄波束来寻找最佳发射/接收波束的策略需要大量的波束开销,与5G所期望的用户体验不符。特别是终端经常处于移动状态,高频信号(尤其是毫米波)又易受无线环境影响,很容易导致波束信号无法抵达终端。为了确保无线信号连续的无缝覆盖,终端在切换场景能够快速不间断收到基站发出的最佳波束信号,现有的波束管理需要波束对齐,但需要大量的波束开销,且有较大的指令下达时延。因此波束管理过程可以通过波束预测算法得到进一步优化切换过程。
高速铁路场景中的移动通信采用蜂窝移动通信***,终端设备会频繁从一个小区向相邻小区发生切换,相应的需要频繁的波束对齐和跟踪过程。大规模天线下的移动场景尤其是高速铁路场景,频繁的波束对齐和跟踪、用户越区切换造成大量的波束训练开销和显著的指令下达时延。因此,减少波束训练开销和指令下达时延这两个问题是目前移动无线通信中的关键。
现有技术中关于波束预测采用了参数估计、数据融合、非线性映射等算法预测波束,但是仅仅是在算法上进行了研究。为了解决波束预测用于移动性优化问题,需要提出***级的架构设计和无线空口信令的设计。
为了解决上述技术问题,本申请实施例提供一种切换方法、装置及存储介质,在进行接纳控制之前,目标小区先确定未来一段时间终端采用的目标波束,避免在波束扫描过程中遍历扫描全部窄波束来寻找最佳发射/接收波束,降低了切换时延,提高了切换效率。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是本申请实施例提供的切换方法的流程示意图之一,如图1所示,本申请实施例提供一种切换方法,其执行主体可以为目标小区,例如,5G基站的目标小区等。该方法包括:
步骤101、确定未来一段时间终端采用的目标波束。
具体地,在本申请实施例中,确定未来一段时间终端采用的目标波束,即确定终端接入目标小区时(将要)采用的目标波束。未来一段时间终端采用的目标波束是指切换到(接入)目标小区时(将要)采用的波束,即,执行切换过程中终端通过该目标波束接入目标小区。
由于终端处于不断地移动状态,未来一段时间的具体时长取决于终端的移动速度以及目标小区的波束粒度等因素。在其他条件不变的情况下,终端的移动速度越快,未来一段时间的时长越短,反之越长;在其他条件不变的情况下,目标小区的波束粒度越细,未来一段时间的时长越短,反之越长。
图2是本申请实施例提供的源小区和目标小区位于不同基站的示意图,如图2所示,源小区和目标小区位于不同基站。
图3是本申请实施例提供的源小区和目标小区位于相同基站的示意图,如图3所示,源小区和目标小区位于相同基站。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第一消息;该第一消息中包含智能波束预测的相关信息;
根据该智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
具体地,在本申请实施例中,由目标小区推断未来一段时间终端采用的目标波束。
目标小区确定未来一段时间终端采用的目标波束的具体步骤包括:
首先,源小区向目标小区发送第一消息。该第一消息用于供该目标小区确定未来一段时间终端采用的目标波束。
目标小区接收源小区发送的第一消息。
在一些实施例中,该第一消息中包含智能波束预测的相关信息。
在一些实施例中,该智能波束预测的相关信息为最优波束码字。
在一些实施例中,该第一消息为小区间的接口消息。
目标小区获取该智能波束预测的相关信息,目标小区根据该智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
具体地,小区间的接口信息可以为切换请求消息,也可以为终端上下文应答消息。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第二消息;该第二消息中包含未来一段时间终端采用的目标波束。
具体地,在本申请实施例中,由源小区推断未来一段时间终端采用的目标波束。
目标小区确定未来一段时间终端采用的目标波束的具体步骤包括:
源小区向目标小区发送第二消息,该第二消息中包含未来一段时间终端采用的目标波束。其中,该目标波束是由该源小区利用机器学习模型推断的。
目标小区接收源小区发送的第二消息,并从该第二消息中获取未来一段时间终端采用的目标波束。
在一些实施例中,该第二消息为小区间的接口消息。
具体地,小区间的接口信息可以为切换请求消息,也可以为终端上下文应答消息。
步骤102、根据该目标波束进行接纳控制和数据传输。
具体地,有别于现有技术中目标小区先做接纳控制,然后在波束扫描过程中采用的遍历扫描全部窄波束来寻找最佳发射/接收波束的策略,在本申请实施例中,目标小区先确定终端切换到目标小区采用的波束,而后进行接纳控制,即在确定了终端切换到目标小区采用的波束之后,目标小区才会向终端发送切换指令。
本申请实施例提供的切换方法,在进行接纳控制之前,目标小区先确定未来一段时间终端采用的目标波束,避免在波束扫描过程中遍历扫描全部窄波束来寻找最佳发射/接收波束,降低了切换时延,提高了切换效率。
在一些实施例中,向目标小区发送第一消息之前,还包括:
确定终端当前的移动性信息;
将该终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
具体地,在本申请实施例中,在源小区向目标小区发送第一消息之前,源小区还需要确定终端当前的移动性信息,并将该终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
可以先获取终端当前的导频信号和测量信号,再根据终端当前的导频信号和测量信号确定终端当前的移动性信息。
终端当前的移动性信息包括信号强度、移动终端投影位置和速度等。
在一些实施例中,将该终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据该训练样本数据进行模型训练,获得该训练好的机器学习模型的相关参数。
具体地,机器学习训练过程可以采用监督学习,以最小化损失函数均方误差为判据,以梯度下降算法(如MBGD)进行迭代优化得到。
在本申请实施例中,机器学习模型由源小区进行训练得到。
源小区训练该机器学习模型的具体步骤如下:
首先,源小区获取训练样本数据。训练样本数据包括但不限于终端的导频信号和/或测量信号,以及对应的终端的投影距离和/或终端的速度。
然后,根据该训练样本数据进行模型训练,获得该训练好的机器学习模型的相关参数。
本申请实施例,由源小区进行模型训练,可以减少信令的开销,提高资源利用率。
在一些实施例中,将该终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;该模型配置消息中包含该训练好的机器学习模型的相关参数。
具体地,机器学习训练过程可以采用监督学习,以最小化损失函数均方误差为判据,以梯度下降算法(如MBGD)进行迭代优化得到。
在本申请实施例中,机器学习模型由其他网元进行训练得到。例如,可以由操作维护管理(Operation Administration and Maintenance,OAM)网元进行训练得到。其他网元对机器学习模型进行训练之后,得到训练好的机器学习模型的相关参数,然后通过模型配置消息将该相关参数发送给源小区。
源小区接收其他网元发送的模型配置消息,该模型配置消息中包含该训练好的机器学习模型的相关参数。
本申请实施例,由其他网元进行模型训练,可以降低源小区的复杂度。
在一些实施例中,向目标小区发送第二消息之前,还包括:
利用机器学习模型推断未来一段时间终端采用的目标波束。
具体地,在本申请实施例中,源小区向目标小区发送第二消息之前,还可以利用机器学习模型推断未来一段时间终端采用的目标波束。
在一些实施例中,利用机器学习模型推断未来一段时间终端采用的目标波束,包括:
确定终端当前的移动性信息;
将该终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息;
根据该智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
具体地,在本申请实施例中,源小区利用机器学习模型推断未来一段时间终端采用的目标波束的具体步骤包括:
首先,源小区确定终端当前的移动性信息,然后,将该终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息,最后,源小区根据该智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
具体地,机器学习模型可以由其他网元进行训练得到,也可以由源小区进行训练得到,此处不再赘述。
下面以两个具体的例子,对上述实施例中的方法进行进一步说明。
以下两个例子均在无线网络OAM功能节点增加用于波束预测模型训练功能和数据采集功能。
移动终端发生跨小区切换时,源小区需要将移动终端的智能波束预测的相关信息通过小区间Xn接口消息从源小区发送到目标小区,该相关信息包括但不限于终端的投影位置和移动速度,该接口消息是指小区间传递信息的消息,可以但是不限于切换请求消息,或检索UE上下文应答消息。源小区和目标小区可以位于同一基站,也可以位于不同基站。
例一、源小区和目标小区位于同一基站。
图4是本申请实施例提供的切换的信令交互示意图之一,如图4所示,切换的具体步骤如下:
步骤1:终端和基站收集终端的数据,并且发送到操作维护管理***或者计算平台;
步骤2:在操作维护管理***或者计算平台上执行机器学习模型训练过程;
步骤3:操作维护管理***或者计算平台根据训练结果在基站上部署机器学习模型;
步骤4:基站执行机器学习模型推理过程,得到终端的投影位置或者终端速度等信息;
步骤5:终端执行从源小区向目标小区切换过程:
步骤501:源小区向目标小区发送切换请求消息,将终端的投影位置或者终端速度等信息发送到目标小区;
步骤502:目标小区向源小区发送切换请求应答消息。
例二、当源小区和目标小区位于不同基站时,移动终端发生跨基站切换场景中,源小区需要将移动终端的智能波束预测的相关信息通过小区间Xn接口消息从源小区发送到目标小区,该相关信息包括但不限于终端的投影位置和移动速度,该接口消息是指小区间传递信息的消息,可以但是不限于切换请求消息,或检索UE上下文应答消息。
图5是本申请实施例提供的切换的信令交互示意图之二,如图5所示,切换的具体步骤如下:
步骤1:终端和基站收集终端的数据,并且发送到操作维护管理***或者计算平台;
步骤2:在操作维护管理***或者计算平台上执行机器学习模型训练过程;
步骤3:操作维护管理***或者计算平台根据训练结果在基站上部署机器学习模型;
步骤4:基站执行机器学习模型推理过程,得到终端的投影位置或/和终端速度等信息;进而计算预测时刻的移动终端投影位置;
步骤5:终端执行从源小区向目标小区切换过程:如果移动终端超出现有基站服务区域,则执行越区切换;
步骤501:目标小区向源小区发送检索终端上下文请求消息,将终端的投影位置或/和终端速度等信息发送到目标小区;
步骤502:目标小区向源小区发送检索终端上下文应答消息;
步骤6:终端执行从源小区向目标小区切换过程。
本申请实施例中,目标(基站)小区根据移动终端的波束选择匹配的波束让终端接入,而不是遍历所有波束让终端接入,从而节约了切换时间。
图6是本申请实施例提供的切换方法的流程示意图之二,如图6所示,本申请实施例提供一种切换方法,其执行主体可以为源小区,例如,5G基站的源小区等等。该方法包括:
向目标小区发送第一消息;所述第一消息用于供所述目标小区确定未来一段时间终端采用的目标波束。
在一些实施例中,所述第一消息中包含智能波束预测的相关信息。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述向目标小区发送第一消息之前,还包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第一消息为小区间的接口消息。
具体地,本申请实施例提供的切换方法,可参照上述执行主体为目标小区的切换方法实施例,且能够达到相同的技术效果,在此不再对本实施例中与上述相应方法实施例相同的部分及有益效果进行具体赘述。
图7是本申请实施例提供的切换方法的流程示意图之三,如图7所示,本申请实施例提供一种切换方法,其执行主体可以为源小区,例如,5G基站的源小区等等。该方法包括:
向目标小区发送第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
在一些实施例中,所述向目标小区发送第二消息之前,还包括:
利用机器学习模型推断未来一段时间终端采用的目标波束。
在一些实施例中,所述利用机器学习模型推断未来一段时间终端采用的目标波束,包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第二消息为小区间的接口消息。
具体地,本申请实施例提供的切换方法,可参照上述执行主体为目标小区的切换方法实施例,且能够达到相同的技术效果,在此不再对本实施例中与上述相应方法实施例相同的部分及有益效果进行具体赘述。
图8是本申请实施例提供的目标小区的结构示意图,如图8所示,所述目标小区包括存储器820,收发机800,处理器810,其中:
存储器820,用于存储计算机程序;收发机800,用于在所述处理器810的控制下收发数据;处理器810,用于读取所述存储器820中的计算机程序并执行以下操作:
确定未来一段时间终端采用的目标波束;
根据所述目标波束进行接纳控制和数据传输。
具体地,收发机800,用于在处理器810的控制下接收和发送数据。
其中,在图8中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器810代表的一个或多个处理器和存储器820代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机800可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器810负责管理总线架构和通常的处理,存储器820可以存储处理器810在执行操作时所使用的数据。
处理器810可以是中央处理器(CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD),处理器也可以采用多核架构。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第一消息;所述第一消息中包含智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述第一消息为小区间的接口消息。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
在一些实施例中,所述第二消息为小区间的接口消息。
具体地,本申请实施例提供的上述目标小区,能够实现上述执行主体为目标小区的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图9是本申请实施例提供的源小区的结构示意图之一,如图9所示,所述源小区包括存储器920,收发机900,处理器910,其中:
存储器920,用于存储计算机程序;收发机900,用于在所述处理器910的控制下收发数据;处理器910,用于读取所述存储器920中的计算机程序并执行以下操作:
向目标小区发送第一消息;所述第一消息用于供所述目标小区确定未来一段时间终端采用的目标波束。
具体地,收发机900,用于在处理器910的控制下接收和发送数据。
其中,在图9中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器910代表的一个或多个处理器和存储器920代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机900可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器910负责管理总线架构和通常的处理,存储器920可以存储处理器910在执行操作时所使用的数据。
处理器910可以是中央处理器(CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD),处理器也可以采用多核架构。
在一些实施例中,所述第一消息中包含智能波束预测的相关信息。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述向目标小区发送第一消息之前,还包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第一消息为小区间的接口消息。
具体地,本申请实施例提供的上述源小区,能够实现上述执行主体为源小区的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图10是本申请实施例提供的源小区的结构示意图之二,如图10所示,所述源小区包括存储器1020,收发机1000,处理器1010,其中:
存储器1020,用于存储计算机程序;收发机1000,用于在所述处理器1010的控制下收发数据;处理器1010,用于读取所述存储器1020中的计算机程序并执行以下操作:
向目标小区发送第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
具体地,收发机1000,用于在处理器1010的控制下接收和发送数据。
其中,在图10中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器1010代表的一个或多个处理器和存储器1020代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机1000可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器1010负责管理总线架构和通常的处理,存储器1020可以存储处理器1010在执行操作时所使用的数据。
处理器1010可以是中央处理器(CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD),处理器也可以采用多核架构。
在一些实施例中,所述向目标小区发送第二消息之前,还包括:
利用机器学习模型推断未来一段时间终端采用的目标波束。
在一些实施例中,所述利用机器学习模型推断未来一段时间终端采用的目标波束,包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第二消息为小区间的接口消息。
具体地,本申请实施例提供的上述源小区,能够实现上述执行主体为源小区的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图11是本申请实施例提供的一种切换装置的结构示意图之一,如图11所示,本申请实施例提供一种切换装置,包括第一确定模块1101和处理模块1102,其中:
第一确定模块1101用于确定未来一段时间终端采用的目标波束;处理模块1102用于根据所述目标波束进行接纳控制和数据传输。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第一消息;所述第一消息中包含智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述第一消息为小区间的接口消息。
在一些实施例中,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
在一些实施例中,所述第二消息为小区间的接口消息。
具体地,本申请实施例提供的上述切换装置,能够实现上述执行主体为目标小区的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图12是本申请实施例提供的一种切换装置的结构示意图之二,如图12所示,本申请实施例提供一种切换装置,包括第一发送模块1201,其中:
第一发送模块1201用于向目标小区发送第一消息;所述第一消息用于确定未来一段时间终端采用的目标波束。
在一些实施例中,所述第一消息中包含智能波束预测的相关信息。
在一些实施例中,所述智能波束预测的相关信息为最优波束码字。
在一些实施例中,所述向目标小区发送第一消息之前,还包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第一消息为小区间的接口消息。
具体地,本申请实施例提供的上述切换装置,能够实现上述执行主体为源小区的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图13是本申请实施例提供的一种切换装置的结构示意图之三,如图13所示,本申请实施例提供一种切换装置,包括第二发送模块1301,其中:
第二发送模块1301用于向目标小区发送第二消息;所述第二消息用于确定未来一段时间终端采用的目标波束。
在一些实施例中,所述向目标小区发送第二消息之前,还包括:
利用机器学习模型推断未来一段时间终端采用的目标波束。
在一些实施例中,所述利用机器学习模型推断未来一段时间终端采用的目标波束,包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
在一些实施例中,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
在一些实施例中,所述第二消息为小区间的接口消息。
具体地,本申请实施例提供的上述切换装置,能够实现上述执行主体为源小区的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
需要说明的是,本申请上述各实施例中对单元/模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在一些实施例中,还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行上述各方法实施例提供的切换方法的步骤。
具体地,本申请实施例提供的上述计算机可读存储介质,能够实现上述各方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
需要说明的是:所述计算机可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
另外需要说明的是:本申请实施例中术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”所区别的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
本申请实施例提供的技术方案可以适用于多种***,尤其是5G***。例如适用的***可以是全球移动通讯(global system of mobile communication,GSM)***、码分多址(code division multiple access,CDMA)***、宽带码分多址(Wideband CodeDivision Multiple Access,WCDMA)通用分组无线业务(general packet radio service,GPRS)***、长期演进(long term evolution,LTE)***、LTE频分双工(frequencydivision duplex,FDD)***、LTE时分双工(time division duplex,TDD)***、高级长期演进(long term evolution advanced,LTE-A)***、通用移动***(universal mobiletelecommunication system,UMTS)、全球互联微波接入(worldwide interoperabilityfor microwave access,WiMAX)***、5G新空口(New Radio,NR)***等。这多种***中均包括终端设备和网络设备。***中还可以包括核心网部分,例如演进的分组***(EvlovedPacket System,EPS)、5G***(5GS)等。
本申请实施例涉及的终端设备,可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的***中,终端设备的名称可能也不相同,例如在5G***中,终端设备可以称为用户设备(User Equipment,UE)。无线终端设备可以经无线接入网(Radio Access Network,RAN)与一个或多个核心网(Core Network,CN)进行通信,无线终端设备可以是移动终端设备,如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话、无绳电话、会话发起协议(Session Initiated Protocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)等设备。无线终端设备也可以称为***、订户单元(subscriber unit)、订户站(subscriber station),移动站(mobilestation)、移动台(mobile)、远程站(remote station)、接入点(access point)、远程终端设备(remote terminal)、接入终端设备(access terminal)、用户终端设备(userterminal)、用户代理(user agent)、用户装置(user device),本申请实施例中并不限定。
本申请实施例涉及的网络设备,可以是基站,该基站可以包括多个为终端提供服务的小区。根据具体应用场合不同,基站又可以称为接入点,或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备,或者其它名称。网络设备可用于将收到的空中帧与网际协议(Internet Protocol,IP)分组进行相互更换,作为无线终端设备与接入网的其余部分之间的路由器,其中接入网的其余部分可包括网际协议(IP)通信网络。网络设备还可协调对空中接口的属性管理。例如,本申请实施例涉及的网络设备可以是全球移动通信***(Global System for Mobile communications,GSM)或码分多址接入(Code Division Multiple Access,CDMA)中的网络设备(Base Transceiver Station,BTS),也可以是带宽码分多址接入(Wide-band Code Division Multiple Access,WCDMA)中的网络设备(NodeB),还可以是长期演进(long term evolution,LTE)***中的演进型网络设备(evolutional Node B,eNB或e-NodeB)、5G网络架构(next generation system)中的5G基站(gNB),也可以是家庭演进基站(Home evolved Node B,HeNB)、中继节点(relaynode)、家庭基站(femto)、微微基站(pico)等,本申请实施例中并不限定。在一些网络结构中,网络设备可以包括集中单元(centralized unit,CU)节点和分布单元(distributedunit,DU)节点,集中单元和分布单元也可以地理上分开布置。
网络设备与终端设备之间可以各自使用一或多根天线进行多输入多输出(MultiInput Multi Output,MIMO)传输,MIMO传输可以是单用户MIMO(Single User MIMO,SU-MIMO)或多用户MIMO(Multiple User MIMO,MU-MIMO)。根据根天线组合的形态和数量,MIMO传输可以是2D-MIMO、3D-MIMO、FD-MIMO或massive-MIMO,也可以是分集传输或预编码传输或波束赋形传输等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中,使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (26)
1.一种切换方法,其特征在于,应用于目标小区,包括:
确定未来一段时间终端采用的目标波束;
根据所述目标波束进行接纳控制和数据传输。
2.根据权利要求1所述的切换方法,其特征在于,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第一消息;所述第一消息中包含智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
3.根据权利要求2所述的切换方法,其特征在于,所述智能波束预测的相关信息为最优波束码字。
4.根据权利要求2所述的切换方法,其特征在于,所述第一消息为小区间的接口消息。
5.根据权利要求1所述的切换方法,其特征在于,确定未来一段时间终端采用的目标波束,包括:
接收源小区发送的第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
6.根据权利要求5所述的切换方法,其特征在于,所述第二消息为小区间的接口消息。
7.一种切换方法,其特征在于,应用于源小区,包括:
向目标小区发送第一消息;所述第一消息用于供所述目标小区确定未来一段时间终端采用的目标波束。
8.根据权利要求7所述的切换方法,其特征在于,所述第一消息中包含智能波束预测的相关信息。
9.根据权利要求8所述的切换方法,其特征在于,所述智能波束预测的相关信息为最优波束码字。
10.根据权利要求8所述的切换方法,其特征在于,所述向目标小区发送第一消息之前,还包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息。
11.根据权利要求10所述的切换方法,其特征在于,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
12.根据权利要求10所述的切换方法,其特征在于,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
13.根据权利要求7所述的切换方法,其特征在于,所述第一消息为小区间的接口消息。
14.一种切换方法,其特征在于,应用于源小区,包括:
向目标小区发送第二消息;所述第二消息中包含未来一段时间终端采用的目标波束。
15.根据权利要求14所述的切换方法,其特征在于,所述向目标小区发送第二消息之前,还包括:
利用机器学习模型推断未来一段时间终端采用的目标波束。
16.根据权利要求15所述的切换方法,其特征在于,所述利用机器学习模型推断未来一段时间终端采用的目标波束,包括:
确定终端当前的移动性信息;
将所述终端当前的移动性信息输入至训练好的机器学习模型,获得智能波束预测的相关信息;
根据所述智能波束预测的相关信息推断未来一段时间终端采用的目标波束。
17.根据权利要求16所述的切换方法,其特征在于,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
获取训练样本数据;
根据所述训练样本数据进行模型训练,获得所述训练好的机器学习模型的相关参数。
18.根据权利要求17所述的切换方法,其特征在于,所述将所述终端当前的移动性信息输入至训练好的机器学习模型之前,还包括:
接收目标网元发送的模型配置消息;所述模型配置消息中包含所述训练好的机器学习模型的相关参数。
19.根据权利要求14所述的切换方法,其特征在于,所述第二消息为小区间的接口消息。
20.一种目标小区,其特征在于,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行权利要求1至6中的任一项所述的切换方法的步骤。
21.一种源小区,其特征在于,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行权利要求7至13中的任一项所述的切换方法的步骤。
22.一种源小区,其特征在于,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行权利要求14至19中的任一项所述的切换方法的步骤。
23.一种切换装置,其特征在于,包括:
第一确定模块,用于确定未来一段时间终端采用的目标波束;
处理模块,用于根据所述目标波束进行接纳控制和数据传输。
24.一种切换装置,其特征在于,包括:
第一发送模块,用于向目标小区发送第一消息;所述第一消息用于确定未来一段时间终端采用的目标波束。
25.一种切换装置,其特征在于,包括:
第二发送模块,用于向目标小区发送第二消息;所述第二消息用于确定未来一段时间终端采用的目标波束。
26.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行权利要求1至19中的任一项所述的切换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627692.9A CN116419331A (zh) | 2021-12-28 | 2021-12-28 | 切换方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111627692.9A CN116419331A (zh) | 2021-12-28 | 2021-12-28 | 切换方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116419331A true CN116419331A (zh) | 2023-07-11 |
Family
ID=87051392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111627692.9A Pending CN116419331A (zh) | 2021-12-28 | 2021-12-28 | 切换方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116419331A (zh) |
-
2021
- 2021-12-28 CN CN202111627692.9A patent/CN116419331A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11490313B2 (en) | Managing communication in a wireless communications network | |
CN114844785B (zh) | 通信***中的模型更新方法、装置及存储介质 | |
JP7495524B2 (ja) | ローカルエリア機械学習無線リソース管理のための測定構成 | |
US11564134B2 (en) | Beamforming information interaction method and network device | |
CN114071612B (zh) | 辅小区组的主小区更新方法、装置及存储介质 | |
JP7484008B2 (ja) | ビーム指示方法、ネットワークデバイス、端末、装置及び記憶媒体 | |
CN114073119A (zh) | 用于非移动性相关目的的载波的配置 | |
CN114599058B (zh) | 通信方法、装置、电子设备及计算机可读存储介质 | |
CN114916026A (zh) | 小区切换方法与装置、终端设备 | |
CN116419331A (zh) | 切换方法、装置及存储介质 | |
CN116097752A (zh) | 切换方法、装置、设备及存储介质 | |
CN114390727B (zh) | 目标对象切换方法及装置、电子设备、网络设备 | |
WO2023011265A1 (zh) | 一种通信方法和通信装置 | |
WO2023202323A1 (zh) | 一种信息处理方法、装置及设备 | |
CN114867069B (zh) | 一种资源配置方法及设备 | |
CN118138982A (zh) | 分布式网络的会话锚点的确定方法、设备及装置 | |
CN117221976A (zh) | 通信方法和通信装置 | |
CN116865802A (zh) | 用于确定性轨迹的智能波束预测方法及装置 | |
CN117425160A (zh) | 成功切换报告的处理方法及装置 | |
CN117858117A (zh) | 模型信息上报方法、设备、装置及存储介质 | |
CN118283829A (zh) | 波束指示方法、装置及设备 | |
CN117320095A (zh) | 小区切换方法、装置、设备及存储介质 | |
CN117715073A (zh) | 一种信息处理方法、装置及设备 | |
CN118283731A (zh) | 连续条件小区接入方法、装置及存储介质 | |
CN117545002A (zh) | QoE连续测量的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |