CN117858071A - 数据集生成方法、信息发送方法、装置及相关设备 - Google Patents
数据集生成方法、信息发送方法、装置及相关设备 Download PDFInfo
- Publication number
- CN117858071A CN117858071A CN202211215442.9A CN202211215442A CN117858071A CN 117858071 A CN117858071 A CN 117858071A CN 202211215442 A CN202211215442 A CN 202211215442A CN 117858071 A CN117858071 A CN 117858071A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- model
- data set
- processing
- 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 238
- 230000005540 biological transmission Effects 0.000 title claims description 25
- 238000012545 processing Methods 0.000 claims abstract description 308
- 238000004891 communication Methods 0.000 claims abstract description 112
- 238000012549 training Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims description 76
- 238000013507 mapping Methods 0.000 claims description 39
- 238000005259 measurement Methods 0.000 claims description 33
- 230000009466 transformation Effects 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 15
- 238000013480 data collection Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000003672 processing method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种数据集生成方法、信息发送方法、装置及相关设备,属于通信技术领域,本申请实施例的数据集生成方法包括:第一设备从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;所述第一设备根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
Description
技术领域
本申请属于通信技术领域,具体涉及一种数据集生成方法、信息发送方法、装置及相关设备。
背景技术
在毫米波无线通信中,第一设备接收第二设备发送的与设备通信相关的信息以实现数据收集,并可以将收集的数据作为样本数据。以波束信息为例,第一设备接收第二设备发送的波束信息,通过第二设备发送的波束信息进行模型训练或模型推理以确定收发波束组。然而,第一设备接收第二设备发送的与设备通信相关的信息,在第一设备侧容易泄露第二设备的敏感信息,信息安全性较差。
发明内容
本申请实施例提供一种数据集生成方法、信息发送方法、装置及相关设备,能够解决信息安全性较差的问题。
第一方面,提供了一种数据集生成方法,该方法包括:
第一设备从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;
所述第一设备根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
第二方面,提供了一种信息发送方法,该方法包括:
第二设备采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
所述第二设备向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
第三方面,提供了一种数据集生成装置,第一设备包括所述数据集生成装置,包括:
接收模块,用于从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;
生成模块,用于根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
第四方面,提供了一种信息发送装置,第二设备包括所述信息发送装置,包括:
处理模块,用于采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
发送模块,用于向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
第五方面,提供了一种第一设备,该第一设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第六方面,提供了一种第一设备,包括处理器及通信接口,其中,所述通信接口用于从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
第七方面,提供了一种第二设备,该第二设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第二方面所述的方法的步骤。
第八方面,提供了一种第二设备,包括处理器及通信接口,其中,所述处理器用于采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;所述通信接口用于向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
第九方面,提供了一种数据集生成***,包括:第一设备及第二设备,所述第一设备可用于执行如第一方面所述的数据集生成方法的步骤,所述第二设备可用于执行如第二方面所述的信息发送方法的步骤。
第十方面,提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤,或者实现如第二方面所述的方法的步骤。
第十一方面,提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法,或实现如第二方面所述的方法。
第十二方面,提供了一种计算机程序/程序产品,所述计算机程序/程序产品被存储在存储介质中,所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤,或实现如第二方面所述的方法的步骤。
在本申请实施例中,第一设备从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;所述第一设备根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。这样,通过采用目标处理方式对与设备通信相关的信息进行处理后得到的数据信息生成数据集,第一设备侧收集的是经过目标处理方式处理后的数据信息,从而在第一设备侧不会泄露第二设备的敏感信息,能够提高信息安全性。
附图说明
图1是本申请实施例可应用的一种无线通信***的框图;
图2是本申请实施例提供的一种数据集生成方法的流程图;
图3是本申请实施例提供的一种信息发送方法的流程图;
图4是本申请实施例提供的一种数据集生成装置的结构图;
图5是本申请实施例提供的一种信息发送装置的结构图;
图6是本申请实施例提供的一种通信设备的结构图;
图7是本申请实施例提供的一种终端的结构示意图;
图8是本申请实施例提供的一种网络侧设备的结构示意图。
具体实施方式
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描述,显然,所描述的实施例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所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“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。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”一般表示前后关联对象是一种“或”的关系。
值得指出的是,本申请实施例所描述的技术不限于长期演进型(Long TermEvolution,LTE)/LTE的演进(LTE-Advanced,LTE-A)***,还可用于其他无线通信***,诸如码分多址(Code Division Multiple Access,CDMA)、时分多址(Time DivisionMultiple Access,TDMA)、频分多址(Frequency Division Multiple Access,FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access,SC-FDMA)和其他***。本申请实施例中的术语“***”和“网络”常被可互换地使用,所描述的技术既可用于以上提及的***和无线电技术,也可用于其他***和无线电技术。以下描述出于示例目的描述了新空口(New Radio,NR)***,并且在以下大部分描述中使用NR术语,但是这些技术也可应用于NR***应用以外的应用,如第6代(6th Generation,6G)通信***。
图1示出本申请实施例可应用的一种无线通信***的框图。无线通信***包括终端11和网络侧设备12。其中,终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal DigitalAssistant,PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personalcomputer,UMPC)、移动上网装置(Mobile Internet Device,MID)、增强现实(augmentedreality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴式设备(WearableDevice)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备,如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer,PC)、柜员机或者自助机等终端侧设备,可穿戴式设备包括:智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。需要说明的是,在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备,其中,接入网设备12也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备12可以包括基站、WLAN接入点或WiFi节点等,基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station,BTS)、无线电基站、无线电收发机、基本服务集(BasicService Set,BSS)、扩展服务集(Extended Service Set,ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point,TRP)或所述领域中其他某个合适的术语,只要达到相同的技术效果,所述基站不限于特定技术词汇,需要说明的是,在本申请实施例中仅以NR***中的基站为例进行介绍,并不限定基站的具体类型。核心网设备可以包含但不限于如下至少一项:核心网节点、核心网功能、移动管理实体(Mobility ManagementEntity,MME)、接入移动管理功能(Access and Mobility Management Function,AMF)、会话管理功能(Session Management Function,SMF)、用户平面功能(User Plane Function,UPF)、策略控制功能(Policy Control Function,PCF)、策略与计费规则功能单元(Policyand Charging Rules Function,PCRF)、边缘应用服务发现功能(Edge ApplicationServer Discovery Function,EASDF)、统一数据管理(Unified Data Management,UDM),统一数据仓储(Unified Data Repository,UDR)、归属用户服务器(Home SubscriberServer,HSS)、集中式网络配置(Centralized network configuration,CNC)、网络存储功能(Network Repository Function,NRF),网络开放功能(Network Exposure Function,NEF)、本地NEF(Local NEF,或L-NEF)、绑定支持功能(Binding Support Function,BSF)、应用功能(Application Function,AF)等。需要说明的是,在本申请实施例中仅以NR***中的核心网设备为例进行介绍,并不限定核心网设备的具体类型。
下面结合附图,通过一些实施例及其应用场景对本申请实施例提供的数据集生成方法、信息发送方法、装置及相关设备进行详细地说明。
参见图2,图2是本申请实施例提供的一种数据集生成方法的流程图,如图2所示,数据集生成方法包括以下步骤:
步骤101、第一设备从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式。
其中,第一标识可以描述为隐私化标识,或隐私处理标识,或数据采集标识,或数据收集标识,或数据处理标识,等等,本实施例对第一标识的名称不进行限定。数据信息可以描述为隐私信息,或隐私化信息,或隐私处理信息,等等,本实施例对数据信息的名称不进行限定。目标处理方式可以描述为映射处理方式,或者可以描述为隐私化处理方式,等等,本实施例对此不进行限定。目标处理方式可以是进行映射处理,即将一个数据映射为一个或多个数据;或者目标处理方式可以是进行加密处理,即将一个数据进行加密处理,得到加密后的数据,本实施例对目标处理方式的具体实现不进行限定。
另外,该与设备通信相关的信息,可以包括,波束信息、天线配置信息、位置信息、速度信息、朝向信息、无线信道统计分布信息中的至少一项。该与设备通信相关的信息可以是第二设备的敏感信息。波束信息可以包括波束指向信息、波束3dB宽度信息、波束增益信息及天线方向图信息中的至少一项。天线配置信息可以包括天线配置参数。位置信息可以包括终端位置信息和基站位置信息中的至少一项。速度信息可以包括终端移动速度。朝向信息可以包括终端天线面板朝向信息和基站天线面板朝向信息中的至少一项。无线信道统计分布信息可以包括小区视距(Line of sight,LOS)分布信息及小区非视距(Non-line-of-sight,NLOS)分布信息中的至少一项。
一种实施方式中,目标处理方式可以是目标映射处理方式,通过目标映射处理方式,可以将一个数据映射为另一个数据,或将一个数据映射为多个数据。目标处理方式可以包括数据偏置处理,和/或数据缩放处理,和/或函数变换处理,和/或多维映射处理,和/或乱序处理等等。在目标处理方式包括数据偏置处理的情况下,目标处理方式还可以包括数据偏置处理的偏置值;在目标处理方式包括数据缩放处理的情况下,目标处理方式还可以包括数据缩放处理的缩放值;在目标处理方式包括函数变换处理的情况下,目标处理方式还可以包括函数变换处理的变换函数;在目标处理方式包括多维映射处理的情况下,目标处理方式还可以包括多维映射处理的映射方式;在目标处理方式包括乱序处理的情况下,目标处理方式还可以包括乱序处理的参数。
需要说明的是,第一标识指示所述目标处理方式,示例地,第一标识可以为1或2或3或4或5,1表示数据偏置处理,2表示数据缩放处理,3表示函数变换处理,4表示多维映射处理,5表示乱序处理。相同的第一标识关联的数据信息的物理含义相同,第一设备侧基于相同的第一标识关联的数据信息生成数据集,而不必知晓第一标识指示的目标处理方式的具体内容。目标处理方式的具体内容可以在第二设备侧可知,而在第一设备侧不可知,从而使得第二设备的敏感信息不被暴露。
另外,在某些场景下,目标处理方式可以在第一设备侧可知,也不会暴露第二设备的敏感信息。示例地,可以在第一设备和第二设备为不同类设备的情况下,目标处理方式在第二设备侧为可知信息,在第一设备侧为不可知信息。示例地,第一设备为终端,第二设备为基站,目标处理方式在基站侧可知,在终端侧不可知。可以在第一设备和第二设备为同类设备的情况下,目标处理方式在第二设备侧为可知信息,在第一设备侧为可知信息或不可知信息。目标处理方式为可知信息,表征可以确定目标处理方式的具体内容,例如,目标处理方式为数据偏置处理。目标处理方式为不可知信息,表征无法确定目标处理方式的具体内容。需要说明的是,在第一设备和第二设备为同类设备的情况下,第二设备可以向第一设备直接发送与设备通信相关的信息,或者,第二设备可以向第一设备发送经过目标处理方式处理后的数据信息。以第二设备为基站为例,对于基站的波束信息的收集,若由终端生成数据集,则存在暴露隐私的风险,若由基站生成数据集,则不存在暴露隐私的风险,目标处理方式在第一设备侧可以为可知信息。
需要说明的是,所述与设备通信相关的信息可以通过数据采集需求确定,数据采集需求可以包括数据采集对象及数据采集个数,数据采集个数可以为N,与设备通信相关的信息可以包括N个该数据采集对象的信息。以数据采集对象为波束为例,与设备通信相关的信息可以包括N个波束的波束信息。数据采集需求可以由第一设备向第二设备发送,或者可以由其他设备向第二设备发送。第一设备生成的数据集包括与所述第一标识关联的数据信息,且该数据集中的数据信息可以基于相同的数据采集需求获得。
一种实施方式中,所述与设备通信相关的信息可以是预设格式的信息,该预设格式可以是协议预定义的格式,或者可以是配置的格式,或者可以是默认的格式。以与设备通信相关的信息为波束信息,波束信息包括波束指向信息为例,该预设格式的波束信息可以为:(第一个波束的水平方向指向,第二个波束的水平方向指向,...,第N个波束的水平方向指向,第一个波束的垂直方向指向,第二个波束的垂直方向指向,...,第N个波束的垂直方向指向)。
步骤102、所述第一设备根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能(Artificial Intelligence,AI)模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
另外,在进行AI模型的模型推理或AI模型的模型训练或AI模型的模型监视时,该生成的数据集可以作为训练样本集。
需要说明的是,第一设备可以是数据收集设备,例如,UE,或基站或核心网功能。第二设备可以是数据处理设备,例如,UE,或基站或核心网功能。
一种实施方式中,UE接收基站隐私化的波束信息,得到隐藏基站波束信息的数据集。通过将隐私化标识与数据集关联使得不同基站使用相同的隐私化方法对波束信息进行处理,从而使得来自不同基站的不同维度信息物理含义保持一致,也使得用于训练或推理的不同样本间不同输入维度的物理含义保持一致。
一种实施方式中,基站接收UE隐私化的波束信息,得到隐藏UE波束信息的数据集。通过将隐私化标识与数据集关联使得不同UE使用相同的隐私化方法对波束信息进行处理,从而使得来自不同UE的不同维度信息物理含义保持一致,也使得用于训练或推理的不同样本间不同输入维度的物理含义保持一致。
另外,AI模型可以用于波束预测,或者信道预测,或者信道质量预测,或者移动性管理,或者体验质量(Quality of Experience,QoE)预测,或者AI定位,等等,本实施例对此不进行限定。
一种实施方式中,所述与设备通信相关的信息可以包括波束相关的信息,例如,第二设备的波束信息,所述方法还可以包括:所述第一设备基于AI模型及所述数据集,确定波束质量。
一种实施方式中,所述与设备通信相关的信息可以包括信道相关的信息,例如,波束信息、天线配置信息及朝向信息,所述方法还可以包括:所述第一设备基于AI模型及所述数据集进行信道预测。
一种实施方式中,所述与设备通信相关的信息可以包括信道相关的信息,例如,波束信息、天线配置信息及朝向信息,所述方法还可以包括:所述第一设备基于数据集训练AI模型,所述AI模型用于信道预测。
一种实施方式中,所述与设备通信相关的信息可以包括信道质量相关的信息,例如,位置信息,无线信道统计分布信息和速度信息,所述方法还可以包括:所述第一设备基于AI模型及所述数据集进行信道质量预测。
一种实施方式中,所述与设备通信相关的信息可以包括信道质量相关的信息,例如,位置信息,无线信道统计分布信息和速度信息,所述方法还可以包括:所述第一设备基于数据集训练AI模型,所述AI模型用于信道质量预测。
一种实施方式中,所述与设备通信相关的信息可以包括移动性管理相关的信息,例如,波束信息、天线配置信息、位置信息及速度信息,所述方法还可以包括:所述第一设备基于AI模型及所述数据集进行移动性管理。
一种实施方式中,所述与设备通信相关的信息可以包括移动性管理相关的信息,例如,波束信息、天线配置信息、位置信息及速度信息,所述方法还可以包括:所述第一设备基于数据集训练AI模型,所述AI模型用于移动性管理。
一种实施方式中,所述与设备通信相关的信息可以包括QoE相关的信息,例如,无线信道统计分布信息和终端位置信息,所述方法还可以包括:所述第一设备基于AI模型及所述数据集进行QoE预测。
一种实施方式中,所述与设备通信相关的信息可以包括QoE相关的信息,例如,无线信道统计分布信息和终端位置信息,所述方法还可以包括:所述第一设备基于数据集训练AI模型,所述AI模型用于QoE预测。
目前,如果多个不同波束配置的基站数据要进行混合训练,模型输入如果只有基站本地发送波束标识,很难训练得到好的模型;而如果以波束指向信息作为模型输入,则可以训练出针对多种基站波束配置都获得较高预测准确率的模型。但波束指向信息属于基站的敏感信息。如果训练和推理时提供波束指向信息,则会存在暴露敏感信息的风险。本申请实施例中,通过第一标识生成数据集,该数据集包括与第一标识关联的数据信息,数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,即波束信息通过隐私化处理后,再作为样本输入的一部分。即利用了波束指向信息提高了模型预测准确率,又通过隐私化处理保证了敏感信息的不暴露。
本申请实施例中,通过采用目标处理方式对与设备通信相关的信息进行处理后得到的数据信息生成数据集,第一设备侧收集的是经过目标处理方式处理后的数据信息,无法恢复出第二设备原始的敏感信息,从而在第一设备侧不会泄露第二设备的敏感信息,通过将第一标识与数据集关联使得不同第二设备使用相同的隐私化方法对敏感信息进行处理,从而使得来自不同第二设备的不同维度信息物理含义保持一致,也使得用于训练或推理的不同样本间不同输入维度的物理含义保持一致。
本申请实施例中,第一设备从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;所述第一设备根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。这样,通过采用目标处理方式对与设备通信相关的信息进行处理后得到的数据信息生成数据集,第一设备侧收集的是经过目标处理方式处理后的数据信息,从而在第一设备侧不会泄露第二设备的敏感信息,能够提高信息安全性。
可选地,所述第一设备根据所述第一标识,生成数据集之后,还包括:
根据处理后的AI模型,执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
该实施方式中,在所述AI模型用于波束预测的情况下,第一设备能够基于AI模型及数据集进行波束预测;在所述AI模型用于信道预测的情况下,第一设备能够基于AI模型及数据集进行信道预测;在所述AI模型用于信道质量预测的情况下,第一设备能够基于AI模型及数据集进行信道质量预测;在所述AI模型用于移动性管理的情况下,第一设备能够基于AI模型及数据集进行移动性管理;在所述AI模型用于QoE预测的情况下,第一设备能够基于AI模型及数据集进行QoE预测。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述方法还包括:
所述第一设备基于AI模型及所述数据集,确定波束质量。
一种实施方式中,所述第一设备基于AI模型及所述数据集,确定波束质量,可以包括:所述第一设备可以基于AI模型及所述数据集,进行波束预测,得到波束质量。第一设备可以得到多个波束的波束质量,第一设备可以将波束质量最好的波束作为最终的发送波束或接收波束。示例地,第一设备可以将数据集的数据作为AI模型的输入,进行波束预测。需要说明的是,第一设备可以基于AI模型及所述数据集,进行波束预测得到所有波束的波束质量。
一种实施方式中,所述第一设备基于AI模型及所述数据集,确定波束质量,可以包括:
所述第一设备基于所述数据集进行AI模型的模型训练,基于训练好的AI模型进行波束预测,得到波束质量。所述波束预测可以是发送波束预测,或接收波束预测,或收发波束对预测。
其中,数据集可以作为AI模型的训练样本集,训练样本集中的训练样本的输入可以包含第一设备和/或第二设备的敏感信息,以及部分和或历史收发波束对的质量,训练样本的输出可以为所有发送波束,或接收波束,或收发波束对的波束质量。
需要说明的是,所述第一设备进行波束预测的数据收集和样本库生成,第二设备能够将敏感的波束信息进行隐私化处理后发送至第一设备,从而在第一设备侧,第二设备的波束信息为不可知的信息,能够避免在第一设备侧泄露第二设备的波束信息,提高信息安全性。
该实施方式中,所述第一设备基于AI模型及所述数据集,确定波束质量,从而在确定波束质量的过程中,第二设备能够将敏感的波束信息进行隐私化处理后发送至第一设备,从而在第一设备侧,第二设备的波束信息为不可知的信息,能够避免在第一设备侧泄露第二设备的波束信息,提高信息安全性。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
其中,所述第一设备可以基于AI模型及所述数据集,进行波束预测,得到波束质量,所述数据集中的数据为AI模型的输入;或者,所述第一设备可以基于所述数据集进行AI模型的模型训练,基于训练好的AI模型进行波束预测,得到波束质量。
一种实施方式中,所述第一设备为终端,所述第二设备为网络侧设备(例如基站),第二设备的波束信息可以为基站的发送波束的波束信息,该基于所述第二设备的波束信息进行信道测量得到的信道质量信息,可以是,终端采用接收波束对与基站的发送波束对应的参考信号进行信道测量,得到信道质量信息。所述数据集可以包括数据信息、终端的接收波束的波束信息及信道质量信息,该数据信息可以是采用目标处理方式对基站的发送波束的波束信息进行处理后得到的信息。
一种实施方式中,所述第一设备为网络侧设备(例如基站),所述第二设备为终端,第二设备的波束信息可以为终端的接收波束的波束信息,该基于所述第二设备的波束信息进行信道测量得到的信道质量信息,可以是,终端采用接收波束对与基站的发送波束对应的参考信号进行信道测量,得到信道质量信息。所述数据集可以包括数据信息、终端的接收波束的波束信息及信道质量信息,该数据信息可以是采用目标处理方式对终端的接收波束的波束信息进行处理后得到的信息。
该实施方式中,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联,从而在所述第一设备基于AI模型及所述数据集,进行波束预测的情况下,能够将基于第二设备的波束信息得到的数据信息及信道质量信息共同用于AI模型进行波束预测,能够提高波束预测的准确性;在第一设备基于所述数据集进行AI模型的模型训练的情况下,能够将基于第二设备的波束信息得到的数据信息及信道质量信息共同用于AI模型进行模型训练,能够提高模型训练的准确性,进而提高AI模型进行波束预测的准确性。
可选地,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
其中,可以在所述第一设备为终端,所述第二设备为基站的情况下,所述第一信息通过测量配置发送。
该实施方式中,第一信息通过测量配置发送,或者第一信息通过测量报告发送,从而能够通过现有的消息发送第一信息,使得能够兼容现有协议。
可选地,所述第一设备从第二设备侧接收第一信息之前,所述方法还包括:
所述第一设备向所述第二设备发送第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
其中,目标处理方式可以是隐私化处理方式,所述第一设备对所述第一信息的数据处理能力可以认为是第一设备的隐私化数据处理能力。
另外,第二设备在接收到第二信息后,可以基于所述第二信息确定第一信息。第一信息中的数据信息可以基于数据采集需求及第一设备对所述第一信息的数据处理能力生成。
一种实施方式中,可以在第二指示信息指示第一设备支持通过所述第一信息生成数据集的情况下,第二设备向第一设备发送第一信息。
一种实施方式中,第二指示信息可以指示所述第一设备可支持的所述数据信息的最大数量,第二设备可以基于所述第一设备可支持的所述数据信息的最大数量确定目标处理方式。示例地,数据采集需求只包含一种设备通信相关的信息,且所述第一设备可支持的所述数据信息的最大数量不大于该设备通信相关的信息的数据个数时,目标处理方式不能为多维映射处理,目标处理方式可以包括数据偏置处理、数据缩放处理、乱序处理或函数变换处理;数据采集需求只包含一种设备通信相关的信息,且所述第一设备可支持的所述数据信息的最大数量大于该设备通信相关的信息的数据个数时,目标处理方式可以包括多维映射处理。
一种实施方式中,第二指示信息可以指示可支持处理的数值的最大值和最小值,第二设备可以基于所述第一设备可支持处理的数值的最大值和最小值确定目标处理方式。第二设备在选择目标处理方式时,满足如下条件:采用目标处理方式进行处理后得到的数据信息的数值大于或等于第一设备可支持处理的数值的最小值,且小于或等于第一设备可支持处理的数值的最大值。
该实施方式中,所述第一设备向所述第二设备发送第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。这样,第二设备能够基于数据采集需求及第一设备对所述第一信息的数据处理能力对与设备通信相关的信息进行处理,得到数据信息。
可选地,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息生成数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
其中,数据信息可以是隐私化信息,是否支持通过所述第一信息生成数据集的能力可以是,是否支持隐私化信息处理能力。可支持的所述数据信息的最大数量,可以是,可支持的隐私化信息最大数目。
该实施方式中,通过第一设备是否支持通过所述第一信息生成数据集、第一设备可支持的所述数据信息的最大数量、第一设备可支持处理的数值的最大值和最小值中的至少一项,能够确定目标处理方式,使得处理得到的数据信息符合第一设备的能力。
可选地,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
其中,数据采集需求可以描述为数据采集配置。数据采集对象可以包括波束、天线配置、终端位置、基站位置及无线信道统计分布中的至少一项。数据采集个数可以是采集的数据的总个数,或者可以是对每个数据采集对象采集数据的个数。以数据采集对象为波束为例,数据采集个数为8,则表征采集8个波束的波束信息。
另外,数据采集需求可以包括数据采集对象和数据采集个数。在数据采集需求仅包括数据采集对象时,数据采集个数可以通过协议预定义,或者通过网络配置;在数据采集需求仅包括数据采集个数时,数据采集对象可以通过协议预定义,或者通过网络配置。
该实施方式中,通过数据采集对象及数据采集个数中的至少一项,第一设备能够告知第二设备用于生成数据集的数据采集需求。
可选地,所述与设备通信相关的信息包括所述数据采集对象的信息。
其中,数据采集对象可以包括波束指向,所述与设备通信相关的信息可以包括波束指向信息;数据采集对象可以包括波束3dB宽度,所述与设备通信相关的信息可以包括波束3dB宽度信息;数据采集对象可以包括波束增益,所述与设备通信相关的信息可以包括波束增益信息;数据采集对象可以包括天线方向图,所述与设备通信相关的信息可以包括天线方向图信息;数据采集对象可以包括终端移动速度,所述与设备通信相关的信息可以包括终端移动速度信息;数据采集对象可以包括终端位置,所述与设备通信相关的信息可以包括终端位置信息;数据采集对象可以包括基站位置,所述与设备通信相关的信息可以包括基站位置信息;数据采集对象可以包括小区LOS分布,所述与设备通信相关的信息可以包括小区LOS分布信息;数据采集对象可以包括小区NLOS分布,所述与设备通信相关的信息可以包括小区NLOS分布信息;数据采集对象可以包括天线配置参数,所述与设备通信相关的信息可以包括天线配置参数信息。
该实施方式中,所述与设备通信相关的信息包括所述数据采集对象的信息,从而第二设备能够基于第一设备发送的第一指示信息指示的数据采集对象,生成与数据采集对象对应的数据信息,以使第一设备根据该数据信息生成数据集。
可选地,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布;
天线配置参数。
其中,波束指向可以包括波束的水平波束指向及波束的垂直波束指向中的至少一项。示例地,波束指向可以包括波束的水平波束指向及波束的垂直波束指向。波束3dB宽度可以包括水平方向的3dB波束宽度及垂直方向的3dB波束宽度中的至少一项。示例地,波束3dB宽度可以包括水平方向的3dB波束宽度及垂直方向的3dB波束宽度。波束增益可以是以波束指向为中心间隔3度的波束增益。
可选地,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
其中,乱序处理时,数据的原顺序与乱序后数据的顺序的映射关系可以通过乱序处理的参数表征。
需要说明的是,数据偏置处理的偏置值在第二设备侧可知,在第一设备侧不可知。数据缩放处理的缩放值在第二设备侧可知,在第一设备侧不可知。函数变换处理的变换函数在第二设备侧可知,在第一设备侧不可知。多维映射处理的映射方式在第二设备侧可知,在第一设备侧不可知。乱序处理的参数在第二设备侧可知,在第一设备侧不可知。
需要说明的是,通过将第二设备侧的敏感信息做隐私化处理,将隐私化处理后的信息和隐私化标识进行关联发送给第一设备侧,第一设备侧基于信息个数和隐私化标识相同的数据生成数据集。从而避免了在第一设备侧生成数据集时暴露第二设备侧的敏感信息。
一种实施方式中,目标处理方式可以包括数据偏置处理,数据偏置处理可以是对数据做偏置,示例地,原始数值为10,数据偏置处理的偏置值为100,则数据偏置处理后的数值为10-100=-90。
一种实施方式中,目标处理方式可以包括数据缩放处理,数据缩放处理可以是对数据进行缩放,示例地,原始数值为100,数据缩放处理的缩小值为0.1,则数据缩放处理后的数值为100*0.1=10。
一种实施方式中,目标处理方式可以包括函数变换处理,函数变换处理可以是对数据进行多项式函数变换,示例地,原始数值为10,函数变换处理的变换函数为f(x)=2x^3+5,则函数变换处理后的数值为2*10^3+5=2005。
一种实施方式中,目标处理方式可以包括多维映射处理,多维映射处理可以是对单个数据进行多维映射,示例地,原始数值为10,多维映射处理的映射方式为(0.1x+2,0.5x+6),则多维映射处理后的数值为:(0.1*10+2,0.5*10+6),即(3,11)。
一种实施方式中,目标处理方式可以包括乱序处理,乱序处理可以是对一组数据进行乱序操作,示例地,原始数据组为(-70,-20,20,70,22.5,112.5,22.5,112.5),原始数据组的物理含义如表1所示:
表1
/>
乱序处理的参数为(4 3 1 5 6 7 8 2),即乱序处理后的第一个数据为原始数据组的第4个数据,乱序处理后的第二个数据为原始数据组的第3个数据,乱序处理后的第三个数据为原始数据组的第1个数据,依次类推。对原始数据组进行乱序操作后,得到的乱序处理后的数据组为(70,20,-70,22.5,112.5,22.5,112.5,-20)。乱序处理后的数据组的物理含义如表2所示:
表2
No | 乱序后物理含义 | 乱序后数值 |
1 | 测量beam4的水平方向指向 | 70 |
2 | 测量beam3的水平方向指向 | 20 |
3 | 测量beam1的水平方向指向 | -70 |
4 | 测量beam1的垂直方向指向 | 22.5 |
5 | 测量beam2的垂直方向指向 | 112.5 |
6 | 测量beam3的垂直方向指向 | 22.5 |
7 | 测量beam4的垂直方向指向 | 112.5 |
8 | 测量beam2的水平方向指向 | -20 |
一种实施方式中,可以根据第一标识确定使用的目标处理方式。目标处理方式可以包括数据偏置处理、数据缩放处理、函数变换处理、多维映射处理及乱序处理中的一项或多项。示例地,基于第一标识,确定使用了数据偏置处理和乱序处理,数据偏置处理的偏置值为100,乱序处理的参数为(4 3 1 5 6 7 8 2)。
下面通过四个具体的实施例对本申请实施例提供的数据集生成方法进行说明:
实施例1:
在该实施例中,第一设备为基站,第二设备为UE。数据集生成方法包括如下过程:
(11):UE接收基站发送的第二信息,所述第二信息包括第一指示信息和第二指示信息,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示基站对第一信息的数据处理能力;
其中,第二信息可以通过测量配置携带。第一指示信息指示的数据采集需求包括数据采集对象和数据采集个数,数据采集对象包括波束的水平波束指向,波束的垂直波束指向,水平方向的3dB波束宽度,垂直方向的3dB波束宽度;数据采集个数与参考信号资源个数一致,数据采集个数为8个。通过数据采集需求可以确定待采集的信息的总个数为32个。
另外,第二指示信息指示基站支持隐私化处理能力,即基站支持通过第一信息生成数据集,且基站可支持的数据信息的最大数量为32,数据信息可以认为是隐私化信息。
(12):UE根据第二信息,选择目标处理方式并确定目标处理方式的参数,UE根据选择的目标处理方式及目标处理方式的参数对32个待采集的信息进行处理,得到数据信息。
其中,目标处理方式可以是用于隐私化处理。由于基站可支持的数据信息的最大数量为32,而通过数据采集需求确定的待采集的信息的总个数为32个,因此,该32个待采集的信息不能进行扩维度操作,即目标处理方式不能包括多维映射处理。示例地,选择的目标处理方式可以包括数据偏置处理及乱序处理,目标处理方式的参数包括数据偏置处理的偏置值及乱序处理的参数。目标处理方式及对应参数的选择可以是查询预先定义的表,也可以是根据基站发送的一个随机数产生。
(13):UE将第一信息发送给基站,第一信息包括第一标识以及数据信息,第一标识用于指示目标处理方式及目标处理方式的参数。
其中,第一标识可以认为是隐私化标识。UE将隐私化处理后的32个数据信息和第一标识发送给基站。
(14):基站基于第一标识和来自多个UE或同一个UE的数据位数相同的数据信息生成数据集。其中,该数据集包括与所述第一标识关联的数据信息,且该数据集包括的数据信息的数据位数相同。
实施例2:
在该实施例中,第一设备为UE,第二设备为基站。数据集生成方法包括如下过程:
(21):基站接收UE发送的第二信息,所述第二信息包括第一指示信息和第二指示信息,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示UE对第一信息的数据处理能力;
其中,第一指示信息指示的数据采集需求包括数据采集对象和数据采集个数,数据采集对象包括波束的水平波束指向,波束的垂直波束指向,水平方向的3dB波束宽度,垂直方向的3dB波束宽度,数据采集个数与申请的参考信号资源个数一致,假设为8个。通过数据采集需求可以确定待采集的信息的总个数为32个。
另外,第二指示信息指示UE支持隐私化处理能力,即UE支持通过第一信息生成数据集,且UE可支持的数据信息的最大数量为1000,数据信息可以认为是隐私化信息。
(22):基站根据第二信息,选择目标处理方式并确定目标处理方式的参数,基站根据选择的目标处理方式及目标处理方式的参数对32个待采集的信息进行处理,得到数据信息。
其中,目标处理方式可以是用于隐私化处理。由于UE可支持的数据信息的最大数量为1000,而通过数据采集需求确定的待采集的信息的总个数为32个,因此,该32个待采集的信息可以进行扩维度操作,即目标处理方式可以包括多维映射处理。示例地,选择的目标处理方式可以包括数据偏置处理、多维映射处理及乱序处理,目标处理方式的参数包括数据偏置处理的偏置值、多维映射处理的映射方式及乱序处理的参数。目标处理方式及对应参数的选择可以是查询预先定义的表,也可以是根据UE发送的一个随机数产生。示例地,多维映射处理是将1个数据扩展为3个数据,基站根据选择的目标处理方式及目标处理方式的参数对32个待采集的信息进行处理,可以得到96个数据信息。
(23):基站将第一信息发送给UE,第一信息包括第一标识以及数据信息,第一标识用于指示目标处理方式及目标处理方式的参数。
其中,第一标识可以认为是隐私化标识。基站将隐私化处理后的96个数据信息和第一标识发送给UE。
(24):UE基于第一标识和来自多个基站或同一个基站的数据位数相同的数据信息生成数据集。其中,该数据集包括与所述第一标识关联的数据信息,且该数据集包括的数据信息的数据位数相同。
实施例3:
在该实施例中,第一设备为核心网功能,第二设备为UE。数据集生成方法包括如下过程:
(31):UE接收核心网功能发送的第二信息,所述第二信息包括第一指示信息和第二指示信息,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示核心网功能对第一信息的数据处理能力;
其中,第一指示信息指示的数据采集需求包括数据采集对象和数据采集个数,数据采集对象包括波束的水平波束指向,波束的垂直波束指向,水平方向的3dB波束宽度,垂直方向的3dB波束宽度;数据采集个数与参考信号资源个数一致,数据采集个数为8个。通过数据采集需求可以确定待采集的信息的总个数为32个。
另外,第二指示信息指示核心网功能支持隐私化处理能力,即核心网功能支持通过第一信息生成数据集,且核心网功能可支持的数据信息的最大数量为32,数据信息可以认为是隐私化信息。
(32):UE根据第二信息,选择目标处理方式并确定目标处理方式的参数,UE根据选择的目标处理方式及目标处理方式的参数对32个待采集的信息进行处理,得到数据信息。
其中,目标处理方式可以是用于隐私化处理。由于核心网功能可支持的数据信息的最大数量为32,而通过数据采集需求确定的待采集的信息的总个数为32个,因此,该32个待采集的信息不能进行扩维度操作,即目标处理方式不能包括多维映射处理。示例地,选择的目标处理方式可以包括数据偏置处理及乱序处理,目标处理方式的参数包括数据偏置处理的偏置值及乱序处理的参数。目标处理方式及对应参数的选择可以是查询预先定义的表,也可以是根据核心网功能发送的一个随机数产生。
(33):UE将第一信息发送给核心网功能,第一信息包括第一标识以及数据信息,第一标识用于指示目标处理方式及目标处理方式的参数。
其中,第一标识可以认为是隐私化标识。UE将隐私化处理后的32个数据信息和第一标识发送给核心网功能。
(34):核心网功能基于第一标识和来自多个UE或同一个UE的数据位数相同的数据信息生成数据集。其中,该数据集包括与所述第一标识关联的数据信息,且该数据集包括的数据信息的数据位数相同。
实施例4:
在该实施例中,第一设备为UE,第二设备为核心网功能。数据集生成方法包括如下过程:
(41):核心网功能接收UE发送的第二信息,所述第二信息包括第一指示信息和第二指示信息,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示UE对第一信息的数据处理能力;
其中,第一指示信息指示的数据采集需求包括数据采集对象和数据采集个数,数据采集对象包括波束的水平波束指向,波束的垂直波束指向,水平方向的3dB波束宽度,垂直方向的3dB波束宽度,数据采集个数与申请的参考信号资源个数一致,假设为8个。通过数据采集需求可以确定待采集的信息的总个数为32个。
另外,第二指示信息指示UE支持隐私化处理能力,即UE支持通过第一信息生成数据集,且UE可支持的数据信息的最大数量为1000,数据信息可以认为是隐私化信息。
(42):核心网功能根据第二信息,选择目标处理方式并确定目标处理方式的参数,核心网功能根据选择的目标处理方式及目标处理方式的参数对32个待采集的信息进行处理,得到数据信息。
其中,目标处理方式可以是用于隐私化处理。由于UE可支持的数据信息的最大数量为1000,而通过数据采集需求确定的待采集的信息的总个数为32个,因此,该32个待采集的信息可以进行扩维度操作,即目标处理方式可以包括多维映射处理。示例地,选择的目标处理方式可以包括数据偏置处理、多维映射处理及乱序处理,目标处理方式的参数包括数据偏置处理的偏置值、多维映射处理的映射方式及乱序处理的参数。目标处理方式及对应参数的选择可以是查询预先定义的表,也可以是根据UE发送的一个随机数产生。示例地,多维映射处理是将1个数据扩展为3个数据,核心网功能根据选择的目标处理方式及目标处理方式的参数对32个待采集的信息进行处理,可以得到96个数据信息。
(43):核心网功能将第一信息发送给UE,第一信息包括第一标识以及数据信息,第一标识用于指示目标处理方式及目标处理方式的参数。
其中,第一标识可以认为是隐私化标识。核心网功能将隐私化处理后的96个数据信息和第一标识发送给UE。
(44):UE基于第一标识和来自多个核心网功能或同一个核心网功能的数据位数相同的数据信息生成数据集。其中,该数据集包括与所述第一标识关联的数据信息,且该数据集包括的数据信息的数据位数相同。
参见图3,图3是本申请实施例提供的一种信息发送方法的流程图,如图3所示,信息发送方法包括以下步骤:
步骤201、第二设备采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
步骤202、所述第二设备向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
可选地,处理后的AI模型用于执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
可选地,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
可选地,所述第二设备向第一设备发送第一信息之前,所述方法还包括:
所述第二设备接收所述第一设备发送的第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
可选地,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息获取数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
可选地,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
可选地,所述与设备通信相关的信息包括所述数据采集对象的信息。
可选地,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布
天线配置参数。
可选地,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
需要说明的是,本实施例作为与图2所示的实施例中对应的第二设备的实施方式,其具体的实施方式可以参见图2所示的实施例的相关说明,为避免重复说明,本实施例不再赘述。这样,通过采用目标处理方式对与设备通信相关的信息进行处理后得到的数据信息生成数据集,第一设备侧收集的是经过目标处理方式处理后的数据信息,从而在第一设备侧不会泄露第二设备的敏感信息,能够提高信息安全性。
本申请实施例提供的数据集生成方法,执行主体可以为数据集生成装置。本申请实施例中以数据集生成装置执行数据集生成方法为例,说明本申请实施例提供的数据集生成的装置。
请参见图4,图4是本申请实施例提供的一种数据集生成装置的结构图,第一设备包括所述数据集生成装置,如图4所示,数据集生成装置300包括:
接收模块301,用于从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;
生成模块302,用于根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
可选地,所述生成模块302还用于:根据处理后的AI模型,执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述装置还包括:
确定模块,用于基于AI模型及所述数据集,确定波束质量。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
可选地,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
可选地,所述装置还包括:
发送模块,用于向所述第二设备发送第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
可选地,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息生成数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
可选地,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
可选地,所述与设备通信相关的信息包括所述数据采集对象的信息。
可选地,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布;
天线配置参数。
可选地,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
本申请实施例中的数据集生成装置,通过采用目标处理方式对与设备通信相关的信息进行处理后得到的数据信息生成数据集,第一设备侧收集的是经过目标处理方式处理后的数据信息,从而在第一设备侧不会泄露第二设备的敏感信息,能够提高信息安全性。
本申请实施例中的数据集生成装置可以是电子设备,例如具有操作***的电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,终端可以包括但不限于上述所列举的终端11的类型,其他设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)等,本申请实施例不作具体限定。
本申请实施例提供的数据集生成装置能够实现图2的方法实施例实现的各个过程,并达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例提供的信息发送方法,执行主体可以为信息发送装置。本申请实施例中以信息发送装置执行信息发送方法为例,说明本申请实施例提供的信息发送的装置。
请参见图5,图5是本申请实施例提供的一种信息发送装置的结构图,第二设备包括所述信息发送装置,如图5所示,信息发送装置400包括:
处理模块401,用于采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
发送模块402,用于向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
可选地,处理后的AI模型用于执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
可选地,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
可选地,所述装置还包括:
接收模块,用于接收所述第一设备发送的第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
可选地,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息获取数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
可选地,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
可选地,所述与设备通信相关的信息包括所述数据采集对象的信息。
可选地,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布
天线配置参数。
可选地,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
本申请实施例中的信息发送装置,通过采用目标处理方式对与设备通信相关的信息进行处理后得到的数据信息生成数据集,第一设备侧收集的是经过目标处理方式处理后的数据信息,从而在第一设备侧不会泄露第二设备的敏感信息,能够提高信息安全性。
本申请实施例中的信息发送装置可以是电子设备,例如具有操作***的电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,终端可以包括但不限于上述所列举的终端11的类型,其他设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)等,本申请实施例不作具体限定。
本申请实施例提供的信息发送装置能够实现图3的方法实施例实现的各个过程,并达到相同的技术效果,为避免重复,这里不再赘述。
可选地,如图6所示,本申请实施例还提供一种通信设备500,包括处理器501和存储器502,存储器502上存储有可在所述处理器501上运行的程序或指令,例如,该通信设备500为第一设备时,该程序或指令被处理器501执行时实现上述数据集生成方法实施例的各个步骤,且能达到相同的技术效果。该通信设备500为第二设备时,该程序或指令被处理器501执行时实现上述信息发送方法实施例的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种终端,包括处理器及通信接口,其中,在所述终端为第一设备的情况下,所述通信接口用于从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;所述处理器用于根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。在所述终端为第二设备的情况下,所述处理器用于采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;所述通信接口用于向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。该终端实施例与上述数据集生成方法或信息发送方法实施例对应,上述数据集生成方法或信息发送方法实施例的各个实施过程和实现方式均可适用于该终端实施例中,且能达到相同的技术效果。具体地,图7为实现本申请实施例的一种终端的硬件结构示意图。
该终端600包括但不限于:射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609以及处理器610等中的至少部分部件。
本领域技术人员可以理解,终端600还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理***与处理器610逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。图7中示出的终端结构并不构成对终端的限定,终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
应理解的是,本申请实施例中,输入单元604可以包括图形处理单元(GraphicsProcessing Unit,GPU)6041和麦克风6042,图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元606可包括显示面板6061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板6061。用户输入单元607包括触控面板6071以及其他输入设备6072中的至少一种。触控面板6071,也称为触摸屏。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
本申请实施例中,射频单元601接收来自网络侧设备的下行数据后,可以传输给处理器610进行处理;另外,射频单元601可以向网络侧设备发送上行数据。通常,射频单元601包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器609可用于存储软件程序或指令以及各种数据。存储器609可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作***、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器609可以包括易失性存储器或非易失性存储器,或者,存储器609可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本申请实施例中的存储器609包括但不限于这些和任意其它适合类型的存储器。
处理器610可包括一个或多个处理单元;可选的,处理器610集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作***、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器610中。
其中,在所述终端为第一设备的情况下:
射频单元601用于:从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;
处理器610用于:根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
可选地,处理器610还用于:根据处理后的AI模型,执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,
处理器610还用于:基于AI模型及所述数据集,确定波束质量。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
可选地,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
可选地,射频单元601还用于:向所述第二设备发送第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
可选地,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息生成数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
可选地,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
可选地,所述与设备通信相关的信息包括所述数据采集对象的信息。
可选地,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布;
天线配置参数。
可选地,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
其中,在所述终端为第二设备的情况下:
处理器610用于:采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
射频单元601用于:向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
可选地,处理后的AI模型用于执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
可选地,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
可选地,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
可选地,射频单元601还用于:接收所述第一设备发送的第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
可选地,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息获取数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
可选地,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
可选地,所述与设备通信相关的信息包括所述数据采集对象的信息。
可选地,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布
天线配置参数。
可选地,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
本申请实施例还提供一种网络侧设备,包括处理器及通信接口,其中,在所述网络侧设备为第一设备的情况下,所述通信接口用于从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;所述处理器用于根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。在所述网络侧设备为第二设备的情况下,所述处理器用于采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;所述通信接口用于向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。该网络侧设备实施例与上述数据集生成方法或信息发送方法实施例对应,上述数据集生成方法或信息发送方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中,且能达到相同的技术效果。
具体地,本申请实施例还提供了一种网络侧设备。如图8所示,该网络侧设备700包括:天线701、射频装置702、基带装置703、处理器704和存储器705。天线701与射频装置702连接。在上行方向上,射频装置702通过天线701接收信息,将接收的信息发送给基带装置703进行处理。在下行方向上,基带装置703对要发送的信息进行处理,并发送给射频装置702,射频装置702对收到的信息进行处理后经过天线701发送出去。
以上实施例中网络侧设备执行的方法可以在基带装置703中实现,该基带装置703包括基带处理器。
基带装置703例如可以包括至少一个基带板,该基带板上设置有多个芯片,如图8所示,其中一个芯片例如为基带处理器,通过总线接口与存储器705连接,以调用存储器705中的程序,执行以上方法实施例中所示的网络设备操作。
该网络侧设备还可以包括网络接口706,该接口例如为通用公共无线接口(commonpublic radio interface,CPRI)。
具体地,本发明实施例的网络侧设备700还包括:存储在存储器705上并可在处理器704上运行的指令或程序,处理器704调用存储器705中的指令或程序执行图4或图5所示各模块执行的方法,并达到相同的技术效果,为避免重复,故不在此赘述。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述数据集生成方法或信息发送方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质,可以是非易失性的,也可以是非瞬态的。可读存储介质可以包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述数据集生成方法或信息发送方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为***级芯片,***芯片,芯片***或片上***芯片等。
本申请实施例另提供了一种计算机程序/程序产品,所述计算机程序/程序产品被存储在存储介质中,所述计算机程序/程序产品被至少一个处理器执行以实现上述数据集生成方法或信息发送方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供了一种数据集生成***,包括:第一设备及第二设备,所述第一设备可用于执行如上所述的数据集生成方法的步骤,所述第二设备可用于执行如上所述的信息发送方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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可以以计算机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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (26)
1.一种数据集生成方法,其特征在于,包括:
第一设备从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;
所述第一设备根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
2.根据权利要求1所述的方法,其特征在于,所述第一设备根据所述第一标识,生成数据集之后,还包括:
根据处理后的AI模型,执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
3.根据权利要求1所述的方法,其特征在于,所述与设备通信相关的信息包括所述第二设备的波束信息,所述方法还包括:
所述第一设备基于AI模型及所述数据集,确定波束质量。
4.根据权利要求1所述的方法,其特征在于,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
5.根据权利要求4所述的方法,其特征在于,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
6.根据权利要求1所述的方法,其特征在于,所述第一设备从第二设备侧接收第一信息之前,所述方法还包括:
所述第一设备向所述第二设备发送第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
7.根据权利要求6所述的方法,其特征在于,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息生成数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
8.根据权利要求6所述的方法,其特征在于,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
9.根据权利要求8所述的方法,其特征在于,所述与设备通信相关的信息包括所述数据采集对象的信息。
10.根据权利要求8所述的方法,其特征在于,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布;
天线配置参数。
11.根据权利要求1所述的方法,其特征在于,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
12.一种信息发送方法,其特征在于,包括:
第二设备采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
所述第二设备向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
13.根据权利要求12所述的方法,其特征在于,处理后的AI模型用于执行如下至少一项:
波束预测,信道预测,信道质量预测,移动性管理,体验质量QoE预测。
14.根据权利要求12所述的方法,其特征在于,所述与设备通信相关的信息包括所述第二设备的波束信息,所述第一信息与参考信号资源关联,所述数据集还包括基于所述第二设备的波束信息进行信道测量得到的信道质量信息,所述信道质量信息与所述参考信号资源关联。
15.根据权利要求14所述的方法,其特征在于,所述第一设备为终端,所述第二设备为网络侧设备,所述第一信息通过测量配置发送;或者
所述第一设备为网络侧设备,所述第二设备为终端,所述第一信息通过测量报告发送。
16.根据权利要求12所述的方法,其特征在于,所述第二设备向第一设备发送第一信息之前,所述方法还包括:
所述第二设备接收所述第一设备发送的第二信息,所述第二信息包括第一指示信息和第二指示信息中的至少一项;
其中,所述第一指示信息用于指示数据采集需求,所述第二指示信息用于指示所述第一设备对所述第一信息的数据处理能力。
17.根据权利要求16所述的方法,其特征在于,所述第一设备对所述第一信息的数据处理能力包括如下至少一项:
是否支持通过所述第一信息获取数据集;
可支持的所述数据信息的最大数量;
可支持处理的数值的最大值和最小值。
18.根据权利要求16所述的方法,其特征在于,所述数据采集需求包括如下至少一项:
数据采集对象;
数据采集个数。
19.根据权利要求18所述的方法,其特征在于,所述与设备通信相关的信息包括所述数据采集对象的信息。
20.根据权利要求18所述的方法,其特征在于,所述数据采集对象包括如下至少一项:
波束指向;
波束3dB宽度;
波束增益;
天线方向图;
终端移动速度;
终端位置;
基站位置;
小区视距LOS分布;
小区非视距NLOS分布
天线配置参数。
21.根据权利要求12所述的方法,其特征在于,所述目标处理方式包括如下至少一项:
数据偏置处理;
数据缩放处理;
函数变换处理;
多维映射处理;
乱序处理。
22.一种数据集生成装置,第一设备包括所述数据集生成装置,其特征在于,包括:
接收模块,用于从第二设备侧接收第一信息,所述第一信息包括第一标识以及数据信息,所述数据信息是采用目标处理方式对与设备通信相关的信息进行处理后得到的信息,所述第一标识用于指示所述目标处理方式;
生成模块,用于根据所述第一标识,生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
23.一种信息发送装置,第二设备包括所述信息发送装置,其特征在于,包括:
处理模块,用于采用目标处理方式对与设备通信相关的信息进行处理,得到数据信息;
发送模块,用于向第一设备发送第一信息,所述第一信息包括第一标识以及所述数据信息,所述第一标识用于指示所述目标处理方式;
其中,所述第一信息用于生成数据集,所述数据集包括与所述第一标识关联的数据信息,所述数据集用于人工智能AI模型处理,所述AI模型处理包括AI模型的模型推理、AI模型的模型训练及AI模型的模型监视中的至少一项。
24.一种第一设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至11任一项所述的数据集生成方法的步骤。
25.一种第二设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求12至21任一项所述的信息发送方法的步骤。
26.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至11任一项所述的数据集生成方法的步骤,或者实现如权利要求12至21任一项所述的信息发送方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211215442.9A CN117858071A (zh) | 2022-09-30 | 2022-09-30 | 数据集生成方法、信息发送方法、装置及相关设备 |
PCT/CN2023/120930 WO2024067439A1 (zh) | 2022-09-30 | 2023-09-25 | 数据集生成方法、信息发送方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211215442.9A CN117858071A (zh) | 2022-09-30 | 2022-09-30 | 数据集生成方法、信息发送方法、装置及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117858071A true CN117858071A (zh) | 2024-04-09 |
Family
ID=90533167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211215442.9A Pending CN117858071A (zh) | 2022-09-30 | 2022-09-30 | 数据集生成方法、信息发送方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117858071A (zh) |
-
2022
- 2022-09-30 CN CN202211215442.9A patent/CN117858071A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117858071A (zh) | 数据集生成方法、信息发送方法、装置及相关设备 | |
CN116156667A (zh) | 物联网设备的会话建立方法及装置 | |
WO2024067438A1 (zh) | Ai模型推理方法、设备及可读存储介质 | |
WO2024067439A1 (zh) | 数据集生成方法、信息发送方法、装置及相关设备 | |
CN117858072A (zh) | 信息传输方法、装置及设备 | |
US20240040410A1 (en) | Information Acquisition and Configuration Methods and Apparatuses, and Communication Device | |
CN117858119A (zh) | 数据收集及处理方法、设备及可读存储介质 | |
WO2023011544A1 (zh) | 测量方法、装置、终端及介质 | |
WO2024017035A1 (zh) | 位置信息的获取方法、终端及网络侧设备 | |
CN117858118A (zh) | 模型去激活方法、信息发送方法、装置及设备 | |
CN116264663A (zh) | 参数配置方法、装置、通信设备、存储介质及*** | |
CN116471625A (zh) | 信道状态信息参考信号的配置方法、装置及设备 | |
CN116743328A (zh) | 切换行为确定方法、参数信息配置方法、终端和设备 | |
CN116939659A (zh) | 信道状态信息报告方法、装置、终端及网络侧设备 | |
CN116684296A (zh) | 数据采集方法及设备 | |
CN116418466A (zh) | 探测参考信号的发送方法、装置、终端及网络侧设备 | |
CN116418467A (zh) | 探测参考信号的配置方法、装置、终端及网络侧设备 | |
CN118019015A (zh) | 波束配置信息传输方法、第一设备及第二设备 | |
CN117528676A (zh) | 托管网络的选网信息的获取方法、终端及网络侧设备 | |
CN117412245A (zh) | Sl定位方法、设备及可读存储介质 | |
CN117545087A (zh) | 下行参考信号发送方法、装置、终端及网络侧设备 | |
CN117479343A (zh) | 数据连接建立方法及设备 | |
CN118277783A (zh) | 模型训练处理方法、装置及相关设备 | |
CN116567691A (zh) | 信息传输方法、装置、终端及网络侧设备 | |
CN118055432A (zh) | 测量放松方法、终端及网络侧设备 |
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 |