Обратная связь по конфигурации формирования нейронной сети для беспроводных передач

Изобретение относится к системам беспроводной связи. Технический результат заключается в повышении общей производительности передач нисходящей линии связи, снижая коэффициент ошибочных битов и повышая качество сигнала. Сетевая сущность (базовая станция, сервер базовой сети) определяет набор опорных сигналов глубокой нейронной сети для отправки на физическом канале для измерения производительности глубоких нейронных сетей и/или набор конфигураций формирования нейронной сети. Сетевая сущность передает указания набора конфигураций формирования нейронной сети и набора опорных сигналов глубокой нейронной сети на пользовательское оборудование. Сетевая сущность инициирует передачу каждого опорного сигнала глубокой нейронной сети из набора, и предписывает пользовательскому оборудованию измерять производительность набора глубоких нейронных сетей, сформированных с использованием набора конфигураций формирования нейронной сети, и выбирать одну из набора конфигураций формирования нейронной сети. 4 н. и 14 з.п. ф-лы, 31 ил.

 

ПРЕДПОСЫЛКИ ИЗОБРЕТЕНИЯ

[0001] Движущей силой развития систем беспроводной связи является потребность в пропускной способности при передаче данных. В порядке одного примера, потребность в данных возрастает по мере того, как устройства получают доступ к системе беспроводной связи. Передовые устройства также выполняют приложения увеличенного объема данных, которые используют больше данных, чем традиционные приложения, например, приложения потокового видео увеличенного объема данных, приложения социальной среды общения увеличенного объема данных, аудио-услуги увеличенного объема данных и т.д. Эта увеличенная потребность может время от времени истощать ресурсы данных системы беспроводной связи. Таким образом, чтобы справиться с увеличенным использованием данных, развитые системы беспроводной связи используют все более сложные архитектуры как способ обеспечения большей пропускной способности при передаче данных относительно традиционных систем беспроводной связи.

[0002] В порядке одного примера, согласно стандартам и технологиям пятого поколения (5G) данные передаются с использованием более высоких частотных диапазонов, например, полосы выше 6 гигагерц (ГГц), для увеличения емкости по данным. Однако передача и восстановление информации с использованием этих более высоких частотных диапазонов создает проблемы. Для иллюстрации, сигналы более высокой частоты более подвержены многолучевому замиранию, рассеянию, атмосферному поглощению, дифракции, помехам и т.д. по сравнению с сигналами более низкой частоты. Эти искажения сигнала часто приводят к ошибкам при восстановлении информации на приемнике. В порядке другого примера, оборудование, способное к передаче, приему, маршрутизации и/или иному с использованием этих более высоких частот может быть сложным и дорогостоящим, что увеличивает затраты на обработку на устройстве в беспроводной сети.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0003] В этом документе описаны способы и устройства для обратной связи по конфигурации формирования нейронной сети для беспроводных передач. Аспекты описывают сетевую сущность (субъект), которая определяет набор опорных сигналов глубокой нейронной сети для отправки на физическом канале для измерения производительности глубоких нейронных сетей в системе беспроводной связи. Альтернативно или дополнительно, сетевая сущность определяет набор конфигураций формирования нейронной сети. Сетевая сущность передает указания набора конфигураций формирования нейронной сети и набора опорных сигналов глубокой нейронной сети на пользовательское оборудование (устройство). Затем сетевая сущность инициирует передачу каждого опорного сигнала глубокой нейронной сети в наборе и предписывает пользовательскому оборудованию измерять производительность набора глубоких нейронных сетей, сформированных с использованием набора конфигураций формирования нейронной сети, и выбирать одну из набора конфигураций формирования нейронной сети для обработки передач в системе беспроводной связи.

[0004] Один или более аспектов описывают пользовательское оборудование, которое принимает первое указание набора опорных сигналов глубокой нейронной сети и второе указание набора конфигураций формирования нейронной сети. В некоторых реализациях, набор опорных сигналов глубокой нейронной сети соответствует набору опорных сигналов глубокой нейронной сети нисходящей линии связи, и набор конфигураций формирования нейронной сети соответствует набору опорных сигналов глубокой нейронной сети нисходящей линии связи. Пользовательское оборудование принимает физический канал, который включает в себя набор опорных сигналов глубокой нейронной сети нисходящей линии связи, и обрабатывает набор опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием набора глубоких нейронных сетей нисходящей линии связи, сформированных с использованием набора конфигураций формирования нейронной сети нисходящей линии связи. Затем пользовательское оборудование выбирает одну из набора конфигураций формирования нейронной сети нисходящей линии связи на основе обработки, и передает выбранную одну из набора конфигураций формирования нейронной сети нисходящей линии связи на сетевую сущность. В реализациях, пользовательское оборудование затем обрабатывает передачи нисходящей линии связи с использованием глубокой нейронной сети, сформированной выбранной одной из конфигураций формирования нейронной сети нисходящей линии связи.

[0005] В некоторых реализациях, набор опорных сигналов глубокой нейронной сети соответствует набору опорных сигналов глубокой нейронной сети восходящей линии связи, и набор конфигураций формирования нейронной сети соответствует набору опорных сигналов глубокой нейронной сети восходящей линии связи. В реализациях, пользовательское оборудование принимает указание набора конфигураций формирования нейронной сети восходящей линии связи и формирует набор глубоких нейронных сетей восходящей линии связи с использованием набора конфигураций формирования нейронной сети восходящей линии связи. Затем, пользовательское оборудование принимает запрос на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи. В свою очередь, пользовательское оборудование передает, с использованием физического канала, каждый опорный сигнал глубокой нейронной сети восходящей линии связи из набора с использованием набора глубоких нейронных сетей восходящей линии связи для обработки набора опорных сигналов глубокой нейронной сети восходящей линии связи.

[0006] Детали одной или более реализаций обратной связи по конфигурации формирования нейронной сети для беспроводных передач изложены в прилагаемых чертежах и нижеследующем описании. Другие признаки и преимущества будут очевидны из описания и чертежей и из формулы изобретения. Это краткое изложение сущности изобретения приведено для представления предмета изобретения, который дополнительно описан в подробном описании и чертежах. Соответственно, данное краткое изложение сущности изобретения не призвано описывать существенные признаки, а также ограничивать объем заявленного изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0007] Детали одного или более аспектов обратной связи по конфигурации формирования нейронной сети для беспроводных передач описаны ниже. Одни и те же ссылочные позиции, используемые в разных примерах в описании и чертежах, указывают аналогичные элементы:

фиг. 1 демонстрирует иллюстративное окружение, в котором могут быть реализованы различные аспекты обратной связи по конфигурации формирования нейронной сети в беспроводных передачах.

Фиг. 2 демонстрирует иллюстративную схему устройства для устройств, которые могут реализовать различные аспекты обратной связи по конфигурации формирования нейронной сети в беспроводных передачах.

фиг. 3 демонстрирует иллюстративную схему устройства для устройства, которое может реализовать различные аспекты обратной связи по конфигурации формирования нейронной сети в беспроводных передачах.

фиг. 4 демонстрирует иллюстративный модуль машинного обучения, который может реализовать различные аспекты обратной связи по конфигурации формирования нейронной сети в беспроводных передачах.

Фиг. 5 демонстрирует иллюстративные блок-схемы цепей обработки, используемых устройствами для обработки передач, передаваемых по системе беспроводной связи.

Фиг. 6 демонстрирует иллюстративное операционное окружение, в котором множественные глубокие нейронные сети используются в системе беспроводной связи.

Фиг. 7 демонстрирует иллюстративную схему транзакций между различными устройствами для конфигурирования нейронной сети с использованием конфигурации формирования нейронной сети.

Фиг. 8 демонстрирует иллюстративную схему транзакций между различными устройствами для обновления нейронной сети с использованием конфигурации формирования нейронной сети.

Фиг. 9-1 и 9-2 демонстрируют иллюстративную схему транзакций между различными устройствами для конфигурирования нейронной сети с использованием конфигурации формирования нейронной сети.

Фиг. 10 демонстрирует иллюстративный способ конфигурирования нейронной сети для обработки передач, передаваемых по системе беспроводной связи.

Фиг. 11 демонстрирует иллюстративный способ формирования нейронной сети на основе конфигурации формирования нейронной сети.

Фиг. 12 демонстрирует пример генерирования множественных конфигураций формирования нейронной сети.

Фиг. 13 демонстрирует иллюстративную схему транзакций между различными устройствами для передачи конфигураций формирования нейронной сети.

Фиг. 14 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для передачи конфигураций формирования нейронной сети.

Фиг. 15 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для передачи конфигураций формирования нейронной сети.

Фиг. 16-1 и 16-2 демонстрируют иллюстративное окружение для передачи конфигураций формирования нейронной сети с использованием набора потенциально подходящих (претендующих) конфигураций формирования нейронной сети.

Фиг. 17 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для передачи конфигураций формирования нейронной сети.

Фиг. 18 демонстрирует иллюстративный способ передачи конфигурации формирования нейронной сети по системе беспроводной связи.

Фиг. 19 демонстрирует иллюстративный способ передачи конфигурации формирования нейронной сети по системе беспроводной связи.

Фиг. 20-1 и 20-2 демонстрируют иллюстративное окружение, которое генерирует обратную связь по конфигурации формирования нейронной сети с использованием опорных сигналов.

Фиг. 21-1 и 21-2 демонстрируют иллюстративное окружение, которое генерирует обратную связь по конфигурации формирования нейронной сети с использованием опорных сигналов.

Фиг. 22 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для обратной связи по конфигурации формирования нейронной сети.

Фиг. 23 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для обратной связи по конфигурации формирования нейронной сети.

Фиг. 24 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для обратной связи по конфигурации формирования нейронной сети.

Фиг. 25 демонстрирует иллюстративную схему транзакций между различными сетевыми сущностями для обратной связи по конфигурации формирования нейронной сети.

Фиг. 26 демонстрирует иллюстративный способ обратной связи по конфигурации формирования нейронной сети.

Фиг. 27 демонстрирует иллюстративный способ обратной связи по конфигурации формирования нейронной сети.

ПОДРОБНОЕ ОПИСАНИЕ

[0008] В традиционных системах беспроводной связи, цепи обработки передатчика и приемника включают в себя сложный функционал. Например, блок оценивания канала в цепи обработки оценивает или предсказывает, как окружение передачи искажает сигнал, распространяющийся через окружение передачи. В порядке другого примера, блоки коррекции канала обращают искажения, идентифицированные блоком оценивания канала, из сигнала. Эти сложные функции часто усложняются при обработке более высоких частотных диапазонов, например, частот 5G на или вокруг диапазона 6 ГГц. Например, окружения передачи добавляют дополнительное искажение более высоким частотным диапазонам относительно более низких частотных диапазонов, что усложняет восстановление информации. В порядке другого примера, оборудование, способное к обработке и маршрутизации более высоких частотных диапазонов часто увеличивает затраты и усложняет физические ограничения.

[0009] DNN обеспечивают решения сложной обработки, например, сложный функционал, используемый в системе беспроводной связи. Благодаря тренировке DNN на операциях цепи обработки передатчика и/или приемника, DNN может по-разному заменять традиционный сложный функционал, например, путем замены некоторых или всех из традиционных блоков обработки, используемых в сквозной обработке сигналов беспроводной связи, замены отдельных блоков цепи обработки и т.д. Динамическое переконфигурирование DNN, например, путем модификации различных конфигураций параметров (например, коэффициентов, соединений слоев, размеров ядра) также обеспечивает возможность адаптации к изменяющимся условиям эксплуатации.

[0010] В этом документе описаны аспекты обратной связи по конфигурации формирования нейронной сети для беспроводных передач, что позволяет системе обрабатывать передачи и динамически переконфигурировать DNN по мере изменения условий эксплуатации. Аспекты могут быть реализованы сетевыми сущностями, которые действуют в системе беспроводной связи (например, базовой станцией, сервером базовой сети, пользовательским оборудованием).

[0011] Аспекты описывают сетевую сущность, которая определяет набор опорных сигналов глубокой нейронной сети для отправки на физическом канале для измерения производительности глубоких нейронных сетей в системе беспроводной связи. Альтернативно или дополнительно, сетевая сущность определяет набор конфигураций формирования нейронной сети. Сетевая сущность передает указания набора конфигураций формирования нейронной сети и набора опорных сигналов глубокой нейронной сети на пользовательское оборудование. Затем сетевая сущность инициирует передачу каждого опорного сигнала глубокой нейронной сети в наборе. Время от времени сетевая сущность предписывает пользовательскому оборудованию измерять производительность глубоких нейронных сетей, сформированных с использованием набора конфигураций формирования нейронной сети, которые обрабатывают набор опорных сигналов глубокой нейронной сети, и выбирать одну из набора конфигураций формирования нейронной сети для обработки передач нисходящей линии связи в системе беспроводной связи. Альтернативно, сетевая сущность предписывает пользовательскому оборудованию передавать, с использованием физического канала, опорные сигналы глубокой нейронной сети восходящей линии связи. Сетевая сущность может, время от времени измерять производительность глубоких нейронных сетей, сформированных с использованием набора конфигураций формирования нейронной сети, которые обрабатывают опорные сигналы, и выбирать конфигурацию формирования нейронной сети для обработки передач восходящей линии связи в системе беспроводной связи.

[0012] С использованием опорных сигналов глубокой нейронной сети, а также наборов конфигураций формирования нейронной сети, сетевая сущность обеспечивает пользовательскому оборудованию возможность измерять производительность глубоких нейронных сетей. В свою очередь, пользовательское оборудование выбирает конфигурацию формирования нейронной сети, соответствующую глубокой нейронной сети, что повышает общую производительность передач нисходящей линии связи, которыми обмениваются друг с другом устройства, например, путем выбора конфигурации формирования нейронной сети, которая снижает коэффициент ошибочных битов и повышает качество сигнала. Альтернативно или дополнительно, сетевая сущность измеряет производительность глубоких нейронных сетей, обрабатывающих опорные сигналы глубокой нейронной сети восходящей линии связи, передаваемые пользовательским оборудованием, и выбирает конфигурацию формирования нейронной сети, которая улучшает обмен передачами восходящей линии связи в системе (например, снижает коэффициент ошибочных битов, повышает качество сигнала).

[0013] Один или более аспектов описывают пользовательское оборудование, которое принимает первое указание набора опорных сигналов глубокой нейронной сети и второе указание набора конфигураций формирования нейронной сети. В некоторых реализациях, набор опорных сигналов глубокой нейронной сети соответствует набору опорных сигналов глубокой нейронной сети нисходящей линии связи, и набор конфигураций формирования нейронной сети соответствует набору опорных сигналов глубокой нейронной сети нисходящей линии связи. Пользовательское оборудование принимает физический канал, который включает в себя набор опорных сигналов глубокой нейронной сети нисходящей линии связи, и обрабатывает набор опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием набора глубоких нейронных сетей нисходящей линии связи, сформированных с использованием набора конфигураций формирования нейронной сети нисходящей линии связи. Затем пользовательское оборудование выбирает одну из набора конфигураций формирования нейронной сети нисходящей линии связи на основе обработки и передает выбранную одну из набора конфигураций формирования нейронной сети нисходящей линии связи на сетевую сущность. В реализациях, пользовательское оборудование затем обрабатывает передачи нисходящей линии связи с использованием глубокой нейронной сети, сформированной выбранной одной из конфигураций формирования нейронной сети нисходящей линии связи.

[0014] Обрабатывая и/или измеряя опорные сигналы глубокой нейронной сети нисходящей линии связи с помощью разных глубоких нейронных сетей, пользовательское оборудование выбирает конфигурацию формирования нейронной сети нисходящей линии связи, что повышает общую производительность передач нисходящей линии связи на пользовательском оборудовании (например, снижает коэффициент ошибочных битов, повышает качество сигнала). Дополнительно, пользовательское оборудование передает указание выбранной глубокой конфигурации формирования нейронной сети на сетевую сущность, таким образом повышая общую производительность передач нисходящей линии связи на сетевой сущности.

[0015] В некоторых реализациях, набор опорных сигналов глубокой нейронной сети соответствует набору опорных сигналов глубокой нейронной сети восходящей линии связи, и набор конфигураций формирования нейронной сети соответствует набору опорных сигналов глубокой нейронной сети восходящей линии связи. В реализациях, пользовательское оборудование принимает указание набора конфигураций формирования нейронной сети восходящей линии связи и формирует набор глубоких нейронных сетей восходящей линии связи с использованием набора конфигураций формирования нейронной сети восходящей линии связи. Затем, пользовательское оборудование принимает запрос на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи. В свою очередь, пользовательское оборудование передает, с использованием физического канала, каждый опорный сигнал глубокой нейронной сети восходящей линии связи из набора с использованием набора глубоких нейронных сетей восходящей линии связи для обработки набора опорных сигналов глубокой нейронной сети восходящей линии связи.

[0016] Генерируя опорные сигналы восходящей линии связи с помощью разных глубоких нейронных сетей, пользовательское оборудование дает возможность сетевой сущности принимать физический канал, который включает в себя опорные сигналы глубокой нейронной сети восходящей линии связи, измерять производительность глубоких нейронных сетей восходящей линии связи, обрабатывающих опорные сигналы глубокой нейронной сети восходящей линии связи, и выбирать конфигурацию формирования нейронной сети, соответствующую глубокой нейронной сети восходящей линии связи, что повышает общую производительность передач восходящей линии связи на сетевой сущности (например, снижает коэффициент ошибочных битов, повышает качество сигнала). Дополнительно, пользовательское оборудование принимает указание выбранной конфигурации формирования глубокой нейронной сети (восходящей линии связи) от сетевой сущности, таким образом, повышая общую производительность передач восходящей линии связи на пользовательском оборудовании.

[0017] Выражения “передаваемая по”, “передачи, которыми обмениваются” и “передачи, связанные с” включают в себя генерирование передач, подлежащих передаче по системе беспроводной связи (например, обработку предварительно передаваемых передач) и/или обработку передач, принимаемых по системе беспроводной связи. Таким образом, “обработка передач, передаваемых по системе беспроводной связи”, “передачи, которыми обмениваются по системе беспроводной связи” , а также “передачи, связанные с системой беспроводной связи” включают в себя генерирование передач (например, обработку предварительных передач), обработку принимаемых передач, или любую их комбинацию.

Иллюстративные окружения

[0018] Фиг. 1 демонстрирует иллюстративное окружение 100 которое включает в себя пользовательское оборудование 110 (UE 110), которое может осуществлять связь с базовыми станциями 120 (проиллюстрированными как базовые станции 121 и 122) через одну или более беспроводных линий 130 связи (беспроводную линию 130 связи), проиллюстрированных как беспроводные линии 131 и 132 связи. Для простоты, UE 110 реализуется в виде смартфона, но может быть реализовано в виде любого подходящего вычислительного или электронного устройства, например, устройства мобильной связи, модема, сотового телефона, игрового устройства, навигационного устройства, информационного устройства, портативного компьютера, настольного компьютера, планшетного компьютера, интеллектуального электроприбора, автомобильной системы связи или устройства интернета вещей (IoT), например, датчика или привода. Базовые станции 120 (например, Node B усовершенствованной универсальной наземной сети радиодоступа, E-UTRAN Node B, усовершенствованный Node B, eNodeB, eNB, Node B нового поколения, gNode B, gNB, ng-eNB и т.п.) могут быть реализованы в макросоте, микросоте, малой соте, пикосоте и пр., или любой их комбинации.

[0019] Базовые станции 120 осуществляют связь с пользовательским оборудованием 110 с использованием беспроводных линий 131 и 132 связи, которые могут быть реализованы в виде любого подходящего типа беспроводные линии связи. Беспроводные линии 131 и 132 связи включают в себя управление и передачу данных, например, нисходящую линию связи данных и информации управления, передаваемых от базовых станций 120 на пользовательское оборудование 110, восходящую линию связи других данных и информации управления, передаваемых от пользовательского оборудования 110 на базовые станции 120, или обе. Беспроводные линии 130 связи могут включать в себя одну или более беспроводных линий связи (например, линии радиосвязи) или каналы-носители, реализованные с использованием любого подходящего протокола или стандарта связи, или комбинации протоколов или стандартов связи, например, проект долгосрочного развития систем связи в рамках проекта партнерства третьего поколения (3GPP LTE), "новое радио" пятого поколения (5G NR) и т.д. Множественные беспроводные линии 130 связи могут объединяться в агрегации несущих для обеспечения более высокой скорости передачи данных для UE 110. Множественные беспроводные линии 130 связи от множественных базовых станций 120 могут конфигурироваться для связи Coordinated Multipoint (CoMP) с UE 110.

[0020] Базовые станции 120 совместно образуют сеть 140 радиодоступа (например, RAN, усовершенствованную универсальную наземную сеть радиодоступа, E-UTRAN, 5G NR RAN или NR RAN). Базовые станции 121 и 122 в RAN 140 подключены к базовой сети 150. Базовые станции 121 и 122 подключаются, в 102 и 104 соответственно, к базовой сети 150 через интерфейс NG2 для сигнализации плоскости управления и с использованием интерфейса NG3 для передач данных плоскости пользователя при подключении к базовой сети 5G, или с использованием интерфейса S1 для сигнализации плоскости управления и передач данных плоскости пользователя при подключении к пакетной сети с усовершенствованным ядром (EPC). Базовые станции 121 и 122 могут осуществлять связь с использованием протокола приложений Xn (XnAP) через интерфейс Xn или с использованием протокола приложений X2 (X2AP) через интерфейс X2, в 106, для обмена данными плоскости пользователя и плоскости управления. Пользовательское оборудование 110 может подключаться, через базовую сеть 150, к публичным сетям, например, интернет 160 для взаимодействия с удаленной службой 170.

Иллюстративные устройства

[0021] Фиг. 2 демонстрирует иллюстративную схему 200 устройства пользовательского оборудования 110 и одной из базовых станций 120. Фиг. 3 демонстрирует иллюстративную схему 300 устройства сервера 302 базовой сети. Пользовательское оборудование 110, базовая станция 120 и/или сервер 302 базовой сети могут включать в себя дополнительные функции и интерфейсы, которые для ясности исключены из фиг. 2 и фиг. 3.

[0022] Пользовательское оборудование 110 включает в себя антенны 202, радиочастотный наружный каскад 204 (RF наружный каскад 204), беспроводной приемопередатчик (например, приемопередатчик 206 LTE и/или приемопередатчик 208 NR 5G) для осуществления связи с базовой станцией 120 в RAN 140. RF наружный каскад 204 пользовательского оборудования 110 может соединять или подключать приемопередатчик 206 LTE и приемопередатчик 208 NR 5G к антеннам 202 для облегчения различных типов беспроводной связи. Антенны 202 пользовательского оборудования 110 могут включать в себя решетку из множественных антенн, которые сконфигурированы аналогично или по-разному. Антенны 202 и RF наружный каскад 204 могут быть настроены и/или иметь возможность настраиваться на одну или более полос частот, заданных стандартами связи 3GPP LTE и 5G NR и реализоваться приемопередатчиком 206 LTE и/или приемопередатчиком 208 NR 5G. Дополнительно, антенны 202, RF наружный каскад 204, приемопередатчик 206 LTE и/или приемопередатчик 208 NR 5G могут быть выполнены с возможностью поддержки формирования лучей для обмена передачами с базовой станцией 120. В порядке примера, но не ограничения, антенны 202 и RF наружный каскад 204 могут быть выполнены с возможностью работы в субгигагерцовых полосах, суб-6 ГГц полосах и/или полосах выше 6 ГГц, заданных стандартами связи 3GPP LTE и 5G NR.

[0023] Пользовательское оборудование 110 также включает в себя процессор(ы) 210 и компьютерно-считываемые носители 212 данных (CRM 212). Процессор 210 может быть одноядерным процессором или многоядерным процессором, состоящим из различных материалов, например, кремния, поликремния, диэлектрика с высокой проницаемостью, меди и т.д. Описанные здесь компьютерно-считываемые носители данных исключают распространяющийся сигналы. CRM 212 может включать в себя любое подходящее устройство памяти или запоминающее устройство, например, оперативную память (RAM), статическую RAM (SRAM), динамическую RAM (DRAM), энергонезависимую RAM (NVRAM), постоянную память (ROM) или флэш-память, пригодную для хранения данных 214 устройства пользовательского оборудования 110. Данные 214 устройства включают в себя пользовательские данные, мультимедийные данные, кодовые книги формирования лучей, приложения, таблицы нейронных сетей и/или операционную систему пользовательского оборудования 110, которые могут выполняться процессором(ами) 210 для обеспечения связи в плоскости пользователя, сигнализации плоскости управления и взаимодействия пользователя с пользовательским оборудованием 110.

[0024] В некоторых реализациях, компьютерно-считываемые носители 212 данных включает в себя таблицу 216 нейронной сети, где хранятся различные конфигурации архитектуры и/или параметров, которые формируют нейронную сеть, например, в порядке примера, но не ограничения, параметры, которые указывают архитектуру слоев полностью соединенных нейронной сети, архитектуру слоев сверточной нейронной сети, слой рекуррентной нейронной сети, количество скрытых слоев соединенной нейронной сети, архитектуру входного слоя, архитектуру выходного слоя, количество узлов, используемых нейронной сетью, коэффициенты (например, веса и смещения), используемые нейронной сетью, параметры ядра, количество фильтров, используемых нейронной сетью, конфигурации шагов/пулинга, используемые нейронной сетью, функцию активации каждого слоя нейронной сети, внутренних соединений между слоями нейронной сети, слои нейронной сети, подлежащие пропуску и т.д. Соответственно, таблица 216 нейронной сети включает в себя любую комбинацию элементов конфигурации формирования NN (например, конфигурации архитектуры и/или параметров), которые можно использовать для создания конфигурации формирования NN (например, комбинации из одного или более элементов конфигурации формирования NN), которая задает и/или формирует DNN. В некоторых реализациях, одно значение индекса таблицы 216 нейронной сети отображается в один элемент конфигурации формирования NN (например, соответствие 1:1). Альтернативно или дополнительно, одно значение индекса таблицы 216 нейронной сети отображается в конфигурацию формирования NN (например, комбинацию элементов конфигурации формирования NN). В некоторых реализациях, таблица нейронной сети включает в себя входные характеристики для каждого элемента конфигурации формирования NN и/или конфигурации формирования NN, где входные характеристики описывают свойства обучающих данными, используемых для генерации элемента конфигурации формирования NN и/или дополнительно описанной конфигурации формирования NN.

[0025] В некоторых реализациях, CRM 212 также может включать в себя диспетчер 218 нейронной сети пользовательского оборудования (диспетчер 218 нейронной сети UE). Альтернативно или дополнительно, диспетчер 218 нейронной сети UE может быть реализован полностью или частично в виде аппаратной логики или схемы, объединенной с другими компонентами или отдельной от пользовательского оборудования 110. Диспетчер 218 нейронной сети UE обращается к таблице 216 нейронной сети, например, посредством значения индекса, и формирует DNN с использованием элементов конфигурации формирования NN, указанных конфигурацией формирования NN. В реализациях, диспетчер нейронной сети UE формирует множественные DNN для обработки беспроводных передач (например, передач нисходящей линии связи и/или передач восходящей линии связи для обмена с базовой станцией 120).

[0026] Схема устройства для базовой станции 120, показанная на фиг. 2, включает в себя один сетевой узел (например, gNode B). Функционал базовой станции 120 может распределяться между множественными сетевыми узлами или устройствами и может распределяться любым способом, пригодным для осуществления описанных здесь функций. Базовая станция 120 включают в себя антенны 252, радиочастотный наружный каскад 254 (RF наружный каскад 254), один или более беспроводных приемопередатчиков (например, один или более приемопередатчиков 256 LTE и/или один или более приемопередатчиков 258 NR 5G) для осуществления связи с UE 110. RF наружный каскад 254 базовой станции 120 может соединять или подключать приемопередатчики 256 LTE и приемопередатчики 258 NR 5G к антеннам 252 для облегчения различных типов беспроводной связи. Антенны 252 базовой станции 120 могут включать в себя решетку из множественных антенн, которые сконфигурированы аналогично или по-разному. Антенны 252 и RF наружный каскад 254 могут быть настроены и/или иметь возможность настраиваться на одну или более полос частот, заданных стандартами связи 3GPP LTE и 5G NR, и реализоваться приемопередатчиками 256 LTE и/или приемопередатчиками 258 NR 5G. Дополнительно, антенны 252, RF наружный каскад 254, приемопередатчики 256 LTE и/или приемопередатчики 258 NR 5G могут быть выполнены с возможностью поддержки формирования лучей, например Massive-MIMO, для обмена передачами с UE 110.

[0027] Базовая станция 120 также включают в себя процессор(ы) 260 и компьютерно-считываемые носители данных 262 (CRM 262). Процессор 260 может быть одноядерным процессором или многоядерным процессором, состоящим из различных материалов, например, кремния, поликремния, диэлектрика с высокой проницаемостью, меди и т.д. CRM 262 может включать в себя любое подходящее устройство памяти или запоминающее устройство, например, оперативную память (RAM), статическую RAM (SRAM), динамическую RAM (DRAM), энергонезависимую RAM (NVRAM), постоянную память (ROM) или флэш-память, полезную для хранения данных 264 устройства базовой станции 120. Данные 264 устройства включают в себя данные диспетчеризации сети, данные управления радиоресурсами, кодовые книги формирования лучей, приложения и/или операционную систему базовой станции 120, которые могут выполняться процессором(ами) 260 для обеспечения связи с пользовательским оборудованием 110.

[0028] CRM 262 также включает в себя диспетчер 266 базовой станции. Альтернативно или дополнительно, диспетчер 266 базовой станции может быть реализован полностью или частично в виде аппаратной логики или схемы, объединенной с другими компонентами или отдельной от базовой станции 120. В по меньшей мере некоторых аспектах, диспетчер 266 базовой станции конфигурирует приемопередатчики 256 LTE и приемопередатчики 258 NR 5G для связи с пользовательским оборудованием 110, а также связи с базовой сетью, например, базовой сетью 150.

[0029] CRM 262 также включает в себя диспетчер 268 нейронной сети базовой станции (диспетчер 268 нейронной сети BS). Альтернативно или дополнительно, диспетчер 268 нейронной сети BS может быть реализован полностью или частично в виде аппаратной логики или схемы, объединенной с другими компонентами или отдельной от базовой станции 120. В по меньшей мере некоторых аспектах, диспетчер 268 нейронной сети BS выбирает конфигурации формирования NN, используемые базовой станцией 120 и/или UE 110 для конфигурирования глубоких нейронных сетей для обработки беспроводных передач, например, путем выбора комбинации элементов конфигурации формирования NN. В некоторых реализациях, диспетчер нейронной сети BS принимает обратную связь от UE 110, и выбирает конфигурацию формирования нейронной сети на основе обратной связи. Альтернативно или дополнительно, диспетчер 268 нейронной сети BS принимает предписания конфигурации формирования нейронной сети от элементов базовой сети 150 через интерфейс 276 базовой сети или интерфейс 274 между базовыми станциями и пересылает предписания конфигурации формирования нейронной сети на UE 110.

[0030] CRM 262 включает в себя модуль 270 тренировки и таблицу 272 нейронной сети. В реализациях, базовая станция 120 администрирует и устанавливает конфигурации формирования NN на UE 110. Альтернативно или дополнительно, базовая станция 120 поддерживает таблицу 272 нейронной сети. Модуль 270 тренировки обучает и/или тренирует DNN с использованием известных входных данных. Например, модуль 270 тренировки тренирует DNN для разных целей, например, обработки передач, передаваемых по системе беспроводной связи (например, кодирования передач нисходящей линии связи, модуляции передач нисходящей линии связи, демодуляции передач нисходящей линии связи, декодирования передач нисходящей линии связи, кодирования передач восходящей линии связи, модуляции передач восходящей линии связи, демодуляции передач восходящей линии связи, декодирования передач восходящей линии связи). Это включает в себя тренировку DNN офлайн (например, когда DNN не участвует активно в обработке передач) и/или онлайн (например, когда DNN активно участвует в обработке передач).

[0031] В реализациях, модуль 270 тренировки извлекает выученные конфигурации параметров из DNN для идентификации элементов конфигурации формирования NN и/или конфигурации формирования NN, и затем добавляет и/или обновляет элементы конфигурации формирования NN и/или конфигурацию формирования NN в таблице 272 нейронной сети. Извлеченные конфигурации параметров включают в себя любую комбинацию информации, которая задает поведение нейронной сети, например, соединения узлов, коэффициенты, активные слои, веса, смещения, пулинг и т.д.

[0032] В таблице 272 нейронной сети хранится несколько разных элементов конфигурации формирования NN и/или конфигураций формирования NN, сгенерированных с использованием модуля 270 тренировки. В некоторых реализациях, таблица нейронной сети включает в себя входные характеристики для каждого элемента конфигурации формирования NN и/или конфигурации формирования NN, где входные характеристики описывают свойства обучающих данными, используемых для генерации элемента конфигурации формирования NN и/или конфигурации формирования NN. Например, входные характеристики включают в себя, в порядке примера, но не ограничения, информацию мощности, информацию отношения сигнала к помехе плюс шум (SINR), информацию указателя качества канала (CQI), информацию состояния канала (CSI), доплеровскую обратную связь, полосы частот, частоту ошибочных блоков (BLER), качество обслуживания (QoS), информацию гибридного автоматического запроса повторения передачи (HARQ) (например, частоту ошибок первой передачи, частоту ошибок второй передачи, максимальное число повторных передач), задержкой, управление линией радиосвязи (RLC), метрики автоматического запроса повторной передачи (ARQ), интенсивность принимаемого сигнала (RSS), SINR восходящей линии связи, измерения таймингов, метрики ошибок, возможности UE, возможности BS, режим мощности, пропускная способность уровня интернет-протокола (IP), сквозную задержку, коэффициент сквозной потери пакетов и т.д. Соответственно, входные характеристики включают в себя, время от времени, метрики слоя 1, слоя 2 и/или слоя 3. В некоторых реализациях, одно значение индекса таблицы 272 нейронной сети отображается в один элемент конфигурации формирования NN (например, соответствие 1:1). Альтернативно или дополнительно, одно значение индекса таблицы 272 нейронной сети отображается в конфигурацию формирования NN (например, комбинацию элементов конфигурации формирования NN).

[0033] В реализациях, базовая станция 120 синхронизирует таблицу 272 нейронной сети с таблицей 216 нейронной сети, благодаря чему, элементы конфигурации формирования NN и/или входные характеристики, хранящиеся в одной таблице нейронной сети, дублируются во второй таблице нейронной сети. Альтернативно или дополнительно, базовая станция 120 синхронизирует таблицу 272 нейронной сети с таблицей 216 нейронной сети, благодаря чему элементы конфигурации формирования NN и/или входные характеристики, хранящиеся в одной таблице нейронной сети, представляют дополняющий функционал во второй таблице нейронной сети (например, элементы конфигурации формирования NN для обработки тракта передатчика в первой таблице нейронной сети, элементы конфигурации формирования NN для обработки тракта приемника во второй таблице нейронной сети).

[0034] Базовая станция 120 также включают в себя интерфейс 274 между базовыми станциями, например, интерфейс Xn и/или X2, причем диспетчер 266 базовой станции выполнен с возможностью обмена плоскостью пользователя, плоскостью управления и другой информацией с другой базовой станцией 120, для управления связью базовой станции 120 с пользовательским оборудованием 110. Базовая станция 120 включают в себя интерфейс 276 базовой сети, который позволяет диспетчеру 266 базовой станции обмениваться плоскостью пользователя, плоскостью управления и другой информацией с функциями и/или сущностями базовой сети.

[0035] Согласно фиг. 3, сервер 302 базовой сети может обеспечивать все или часть функции, сущности, службы и/или шлюза в базовой сети 150. Каждая функция, сущность, служба и/или шлюз в базовой сети 150 может обеспечиваться как служба в базовой сети 150, распределенная по множественным серверам или воплощенная на выделенном сервере. Например, сервер 302 базовой сети может обеспечивать все или часть услуг или функций функции плоскости пользователя (UPF), функцию доступа и управления мобильностью (AMF), обслуживающий шлюз (S-GW), шлюз сети пакетной передачи данных (P-GW), узел управления мобильностью (MME), усовершенствованный шлюз пакетных данных (ePDG) и т.д. Сервер 302 базовой сети проиллюстрирован как воплощенный на одном сервере, который включает в себя процессор(ы) 304 и компьютерно-считываемые носители 306 данных (CRM 306). Процессор 304 может быть одноядерным процессором или многоядерным процессором, состоящим из различных материалов, например, кремния, поликремния, диэлектрика с высокой проницаемостью, меди и т.д. CRM 306 может включать в себя любое подходящее устройство памяти или запоминающее устройство, например, оперативную память (RAM), статическую RAM (SRAM), динамическую RAM (DRAM), энергонезависимую RAM (NVRAM), постоянную память (ROM), жесткие диски или флэш-память, полезные для хранения данных устройства 308 сервера 302 базовой сети. Данные устройства 308 включают в себя данные для поддержки функции или сущности базовой сети, и/или операционную систему сервера 302 базовой сети, которые могут выполняться процессором(ами) 304.

[0036] CRM 306 также включает в себя одно или более приложений 310 базовой сети, которые, в одной реализации, воплощены на CRM 306 (как показано). Одно или более приложений 310 базовой сети могут реализовать функционал, например, UPF, AMF, S-GW, P-GW, MME, ePDG и т.д. Альтернативно или дополнительно, одно или более приложений 310 базовой сети могут быть реализованы полностью или частично в виде аппаратной логики или схемы, объединенной с другими компонентами или отдельной от сервера 302 базовой сети.

[0037] CRM 306 также включает в себя диспетчер 312 нейронной сети базовой сети, который управляет конфигурациями формирования NN, используемыми для обработки передач, обмениваемых между UE 110 и базовыми станциями 120. В некоторых реализациях, диспетчер 312 нейронной сети базовой сети анализирует различные параметры, например, текущие условия канала сигнала (например, сообщаемые базовыми станциями 120, сообщаемые другими беспроводными точками доступа, сообщаемые посредством UE 110 (через базовые станции или другие беспроводные точки доступа)), возможности на базовых станциях 120 (например, конфигурации антенн, конфигурации сот, возможности MIMO, возможности радиосвязи, возможности обработки), возможности UE 110 (например, конфигурации антенн, возможности MIMO, возможности радиосвязи, возможности обработки) и т.д. Например, базовые станции 120 получают различные параметры при осуществлении связи с UE и пересылают параметры диспетчеру 312 нейронной сети базовой сети. Диспетчер нейронной сети базовой сети выбирает, на основе этих параметров, конфигурацию формирования NN, которая повышает точность обработки передач в DNN. Повышение точности означает повышенную точность в выходной сигнале, например, более низкий коэффициент ошибочных битов, сгенерированный нейронной сетью по сравнению с нейронной сетью, сконфигурированной другой конфигурацией формирования NN. Затем диспетчер 312 нейронной сети базовой сети передает выбранную конфигурацию формирования NN на базовые станции 120 и/или UE 110. В реализациях, диспетчер 312 нейронной сети базовой сети принимает обратную связь UE и/или BS от базовой станции 120 и выбирает обновленную конфигурацию формирования NN на основе обратной связи.

[0038] CRM 306 включает в себя модуль 314 тренировки и таблицу 316 нейронной сети. В реализациях, сервер 302 базовой сети администрирует и устанавливает конфигурации формирования NN на множественные устройства в системе беспроводной связи, например, UE 110 и базовые станции 120. Альтернативно или дополнительно, сервер базовой сети поддерживает таблицу 316 нейронной сети вне CRM 306. Модуль 314 тренировки обучает и/или тренирует DNN с использованием известных входных данных. Например, модуль 314 тренировки тренирует DNN для обработки разных типов пилотных передачи, передаваемые по системе беспроводной связи. Это включает в себя тренировку DNN офлайн и/или онлайн. В реализациях, модуль 314 тренировки извлекает выученную конфигурацию формирования NN и/или выученные элементы конфигурации формирования NN из DNN и сохраняет выученные элементы конфигурации формирования NN в таблице 316 нейронной сети. Таким образом, конфигурация формирования NN включает в себя любую комбинацию конфигураций архитектуры (например, соединений узлов, соединений слоев) и/или конфигураций параметров (например, весов, смещений, пулинга), которые определяют или влияют на поведение DNN. В некоторых реализациях, одно значение индекса таблицы 316 нейронной сети отображается в один элемент конфигурации формирования NN (например, соответствие 1:1). Альтернативно или дополнительно, одно значение индекса таблицы 316 нейронной сети отображается в конфигурацию формирования NN (например, комбинацию элементов конфигурации формирования NN).

[0039] В некоторых реализациях, модуль 314 тренировки диспетчера 312 нейронной сети базовой сети генерирует конфигурации формирования NN и/или элементы конфигурации формирования NN, дополнительные хранящимся в таблице 216 нейронной сети на UE 110 и/или в таблице 272 нейронной сети на базовой станции 121. В порядке одного примера, модуль 314 тренировки генерирует таблицу 316 нейронной сети с конфигурациями формирования NN и/или элементами конфигурации формирования NN, которые имеют высокую изменчивость в конфигурациях архитектуры и/или параметров относительно средних и/или низких изменчивостей, используемых для генерации таблицы 272 нейронной сети и/или таблицы 216 нейронной сети. Например, конфигурации формирования NN и/или элементы конфигурации формирования NN, сгенерированные модулем 314 тренировки, соответствуют полностью соединенными слоям, полному размеру ядра, частому взятию выборок и/или пулингу, высокой точности взвешивания и т.д. Соответственно, таблица 316 нейронной сети включает в себя, время от времени, высокоточные нейронные сети в качестве компромисса увеличенной сложности и/или временем обработки.

[0040] Конфигурации формирования NN и/или элементы конфигурации формирования NN, сгенерированные модулем 270 тренировки, имеют, время от времени, больше фиксированных конфигураций архитектуры и/или параметров (например, фиксированные слои соединения, фиксированный размер ядра и т.д.), и меньшую изменчивость, по сравнению со сгенерированными модулем 314 тренировки. Модуль 270 тренировки, например, генерирует модернизированные конфигурации формирования NN (например, ускоренное вычисление, меньшая обработка данных), относительно сгенерированных модулем 314 тренировки, для оптимизации или повышения производительности сквозных сетевых передач на базовой станции 121 и/или UE 110. Альтернативно или дополнительно, конфигурации формирования NN и/или элементы конфигурации формирования NN хранящиеся в таблице 216 нейронной сети на UE 110, включают в себя больше фиксированных конфигураций архитектуры и/или параметров, по сравнению с хранящимися в таблице 316 нейронной сети и/или в таблице 272 нейронной сети, что снижает требования (например, к скорости вычисление, количеству точек обработка данных, количеству вычислений, энергопотреблению и т.д.) на UE 110 относительно базовой станции 121 и/или сервера 302 базовой сети. В реализациях, изменчивости фиксированных (или гибких) конфигураций архитектуры и/или параметров в каждой нейронной сети основаны на ресурсах обработки (например, возможностях обработки, ограничениях памяти, ограничениях квантования (например, 8-битовое против 16-битового), вычислениях с фиксированной точкой против плавающей точки, доступность мощности) устройств, предназначенных для формирования соответствующих DNN. Таким образом, UE или точки доступа с меньшими ресурсами обработки относительно сервера базовой сети или базовой станции принимают конфигурации формирования NN, оптимизированные для доступных ресурсов обработки.

[0041] В таблице 316 нейронной сети хранится несколько разных элементов конфигурации формирования NN, сгенерированных с использованием модуля 314 тренировки. В некоторых реализациях, таблица нейронной сети включает в себя входные характеристики для каждого элемента конфигурации формирования NN и/или конфигурации формирования NN, где входные характеристики описывают свойства обучающих данными, используемых для генерации конфигурации формирования NN. Например, входные характеристики могут включать в себя информацию мощности, информацию SINR, CQI, CSI, доплеровскую обратную связь, RSS, метрики ошибок, минимальную сквозную (E2E) задержку, желаемую E2E задержку, E2E QoS, E2E пропускную способность, E2E коэффициент потери пакетов, стоимость службы и т.д.

[0042] Сервер 302 базовой сети также включает в себя интерфейс 318 базовой сети для осуществления связи посредством плоскости пользователя, плоскости управления и другой информации с другими функциями или сущностями в базовой сети 150, базовых станциях 120 или UE 110. В реализациях, сервер 302 базовой сети передает конфигурации формирования NN на базовую станцию 120 с использованием интерфейса 318 базовой сети. Сервер 302 базовой сети альтернативно или дополнительно принимает обратную связь от базовых станций 120 и/или UE 110, посредством базовых станций 120, с использованием интерфейса 318 базовой сети.

[0043] Описав иллюстративное окружение и иллюстративные устройства, которые можно использовать для обратной связи по конфигурации формирования нейронной сети в беспроводных передачах, рассмотрим теперь конфигурируемые модули машинного обучения, которые соответствуют одной или более реализациям.

Конфигурируемые модули машинного обучения

[0044] Фиг. 4 демонстрирует иллюстративный модуль 400 машинного обучения. Модуль 400 машинного обучения реализует набор адаптивных алгоритмов, которые изучают и идентифицируют шаблоны в данных. Модуль 400 машинного обучения может быть реализован с использованием любой комбинации программного обеспечения, оборудования и/или программно-аппаратного обеспечения.

[0045] Согласно фиг. 4, модуль 400 машинного обучения включает в себя глубокую нейронную сеть 402 (DNN 402) с группами соединенных узлов (например, нейронов и/или перцептронов), которые организованы в три или более слоев. Узлы между слоями конфигурируются по-разному, например, в частично соединенной конфигурации, где первый поднабор узлов в первом слое соединен со вторым поднабором узлов во втором слое, в полностью соединенной конфигурации, где каждый узел в первом слое подключен к каждому узлу во втором слое и т.д. Нейрон обрабатывает входные данные для создания непрерывного выходного значения, например, любое действительное число от 0 до 1. В ряде случаев, выходное значение указывает, насколько близки входные данные к желаемой категории. Перцептрон осуществляет линейные классификации на входных данных, например, двоичную классификацию. Узлы, как нейроны, так и перцептроны, могут использовать различные алгоритмы для генерации выходной информации на основе адаптивного обучения. Используя DNN, модуль 400 машинного обучения осуществляет разнообразные типы анализа, включая единичную линейную регрессию, множественную линейную регрессию, логическую регрессию, ступенчатую регрессию, двоичную классификацию, многоклассовую классификацию, многовариантную адаптивную сплайновую регрессию, сглаживание локально оцененной диаграммы разброса и т.д.

[0046] В некоторых реализациях, модуль 400 машинного обучения адаптивно обучается на основе контролируемого обучения. В контролируемом обучении, модуль машинного обучения принимает различные типы входных данных в качестве обучающих данных. Модуль машинного обучения обрабатывает обучающие данные для изучения, как отображать вход в желаемый выход. В порядке одного примера, модуль 400 машинного обучения принимает цифровые выборки сигнала в качестве входных данных и обучается, как отображать выборки сигнала в двоичные данные, которые отражают информацию, внедренную в сигнал. В порядке другого примера, модуль 400 машинного обучения принимает двоичные данные в качестве входных данных и обучается, как отображать двоичные данные в цифровые выборки сигнала с двоичными данными, внедренными в сигнал. В процедуре тренировки, модуль 400 машинного обучения использует отмеченные или известные данные в качестве входа в DNN. DNN анализирует вход с использованием узлов и генерирует соответствующий выход. Модуль 400 машинного обучения сравнивает соответствующий выход с истинными данными и адаптирует алгоритмы, осуществляемые узлами, для повышения точности выходных данных. Затем DNN применяет адаптированный алгоритмы к неотмеченным входным данным для генерации соответствующих выходных данных.

[0047] Модуль 400 машинного обучения использует статистический анализ и/или адаптивное обучение для отображения входа в выход. Например, модуль 400 машинного обучения использует характеристики, выученные из обучающих данных для корреляции неизвестного входа с выходом, который статистически вероятно находится в пороговом диапазоне или значении. Это позволяет модулю 400 машинного обучения принимать сложный вход и идентифицировать соответствующий выход. Некоторые реализации тренируют модуль 400 машинного обучения на характеристиках передач, передаваемых по системе беспроводной связи (например, перемежении по времени/частоте, отмене перемежения по времени/частоте, сверточном кодировании, сверточном декодировании, уровням мощности, коррекции канала, межсимвольных помех, квадратурной амплитудной модуляции/демодуляции, мультиплексирования/демультиплексирования с частотным разделением, характеристики канала передачи). Это позволяет натренированному модулю 400 машинного обучения принимать выборки сигнала в качестве входа, например, выборки сигнала нисходящей линии связи, принимаемого на пользовательском оборудовании, и восстанавливать информацию из сигнала нисходящей линии связи, например, двоичных данных, внедренных в сигнал нисходящей линии связи.

[0048] Согласно фиг. 4, DNN включает в себя входной слой 404, выходной слой 406 и один или более скрытых слоев 408, которые располагаются между входным слоем и выходным слоем. Каждый слой имеет произвольное количество узлов, где количество узлов между слоями может быть одинаковым или разным. Другими словами, входной слой 404 может иметь то же количество, что и выходной слой 406, и/или другое количество узлов, выходной слой 406 может иметь то же количество и/или другое количество узлов, чем скрытый(е) слой(и) 408 и т.д.

[0049] Узел 410 соответствует одному из нескольким узлам, включенным в входной слой 404, где узлы осуществляют вычисления независимо друг от друга. Как описано ниже, узел принимает входные данные, и обрабатывает входные данные с использованием алгоритма(ов) для создания выходных данных. Время от времени, алгоритм(ы) включает в себя веса и/или коэффициенты, которые изменяются на основе адаптивного обучения. Таким образом, веса и/или коэффициенты отражают информацию, выученную нейронной сетью. Каждый узел может, в ряде случаев, определять, пропускать ли обработанные входные данные на следующий узел(лы). Для иллюстрации, после обработки входных данных, узел 410 может определять, пропускать ли обработанные входные данные на узел 412 и/или узел 414 скрытого(ых) слоя(ев) 408. Альтернативно или дополнительно, узел 410 пропускает обработанные входные данные на узлы на основе архитектуры соединений слоя. Этот процесс может повторяться на протяжении множественных слоев, пока DNN не сгенерирует выходной сигнал с использованием узлов выходного слоя 406.

[0050] Нейронная сеть также может использовать различные архитектуры, которые определяют, какие узлы в нейронной сети соединены, как данные продвигаются и/или удерживаются в нейронной сети, какие веса и коэффициенты используются для обработки входных данных, как обрабатываются данные и т.д. Эти различные факторы совместно описывают конфигурацию формирования NN. Для иллюстрации, рекуррентная нейронная сеть, например, нейронная сеть с долгой краткосрочной памятью (LSTM), формирует циклы между соединениями узлов для удержания информации из предыдущей части последовательности входных данных. Затем рекуррентная нейронная сеть использует удерживаемую информацию для следующей части последовательности входных данных. В порядке другого примера, нейронная сеть с положительной обратной связью пропускает информацию для пересылки соединений без формирования циклов для удержания информации. Хотя она описана в отношении соединений узлов, очевидно, что конфигурация формирования NN может включать в себя различные конфигурации параметров, которые определяют, как нейронная сеть обрабатывает входные данные.

[0051] Конфигурация формирования NN нейронной сети может характеризоваться различными конфигурациями архитектуры и/или параметров. Для иллюстрации, рассмотрим пример, в котором DNN реализует сверточную нейронную сеть. В общем случае, сверточная нейронная сеть соответствует типу DNN, в котором слои обрабатывают данные с использованием операций свертки для фильтрации входных данных. Соответственно, конфигурация формирования сверточной NN может характеризоваться, в порядке примера, но не ограничения, параметром(ами) пулинга, параметр(ами) ядра, весами и/или параметром(ами) слоя.

[0052] Параметр пулинга соответствует параметру, который указывает слои пулинга в сверточной нейронной сети, которые сокращают размеры входных данных. Для иллюстрации, слой пулинга может объединять выходы узлов первого слоя во вход узла второго слоя. Альтернативно или дополнительно, параметр пулинга указывает как и где в слоях обработки данных нейронная сеть объединяет данные. Параметр пулинга, который указывает “максимальный пулинг”, например, конфигурирует нейронную сеть для объединения путем выбора максимального значения из группировки данных, сгенерированных узлами первого слоя, и использования максимального значения на входе в один узел второго слоя. Параметр пулинга, который указывает “средний пулинг”, конфигурирует нейронную сеть для генерации среднего значения из группировки данных, сгенерированных узлами первого слоя, и использования среднего значения на входе в один узел второго слоя.

[0053] Параметр ядра указывает размер фильтра (например, ширину и высоту) для использования при обработке входных данных. Альтернативно или дополнительно, параметр ядра указывает тип ядерного метода, используемого при фильтрации и обработке входных данных. Машина опорных векторов, например, соответствует ядерному методу, который использует регрессионный анализ для идентификации и/или классификации данных. Другие типы ядерных методов включают в себя гауссовы процессы, канонический корреляционный анализ, методы спектральной кластеризации и т.д. Соответственно, параметр ядра может указывать размер фильтра и/или тип ядерного метода для применения в нейронной сети.

[0054] Весовые параметры указывают веса и смещения, используемые алгоритмами в узлах для классификации входных данных. В реализациях, веса и смещения являются выученными конфигурациями параметров, например, конфигурациями параметров, сгенерированными из обучающих данных.

[0055] Параметр слоя указывает соединения слоев и/или типы слоев, например, полностью соединенный тип слоя, который предусматривает подключение каждого узла в первом слое (например, выходном слое 406) к каждому узлу во втором слое (например, скрытом слое 408), частично соединенный тип слоя, который указывает, какие узлы в первом слое подлежат отсоединению от второго слоя, активационный тип слоя, который указывает, какие фильтры и/или слои подлежат активации в нейронной сети, и т.д. Альтернативно или дополнительно, параметр слоя указывает типы слоев узлов, например, тип слоя нормализации, тип сверточного слоя, тип слоя пулинга и т.д.

[0056] Хотя описаны параметры пулинга, параметры ядра, весовые параметры и параметры слоя, очевидно, что для формирования DNN могут использоваться другие конфигурации параметров без отклонения от объема заявленного изобретения. Соответственно, конфигурация формирования NN может включать в себя параметр любого другого типа, который можно применять к DNN, и который определяет, как DNN обрабатывает входные данные для генерации выходных данных.

[0057] Некоторые реализации конфигурируют модуль 400 машинного обучения на основе текущего операционного окружения. Для иллюстрации, рассмотрим модуль машинного обучения, натренированный генерировать двоичные данные из цифровых выборок сигнала. Окружение передачи часто модифицирует характеристики сигнала, распространяющегося через окружение. Окружения передачи часто изменяются, влияя на то, как окружение модифицирует сигнал. Первое окружение передачи, например, модифицирует сигнал первым образом, тогда как второе окружение передачи модифицирует сигнал иным образом, чем первый. Эти различия влияют на точность выходных результатов, сгенерированных модулем машинного обучения. Например, нейронная сеть, сконфигурированная для обработки передач, передаваемых по первому окружению передачи, может генерировать ошибки при обработке передач, передаваемых по второму окружению передачи (например, коэффициент ошибочных битов, который превышает пороговое значение).

[0058] Различные реализации генерируют и сохраняют конфигурации формирования NN и/или элементы конфигурации формирования NN (например, различные конфигурации архитектуры и/или параметров) для разных окружений передачи. Базовые станции 120 и/или сервер 302 базовой сети, например, тренируют модуль 400 машинного обучения с использованием любой комбинации диспетчера 268 нейронной сети BS, модуля 270 тренировки, диспетчера 312 нейронной сети базовой сети и/или модуля 314 тренировки. Тренировка может происходить офлайн, когда активного обмена передачами не происходит, или онлайн в ходе активного обмена передачами. Например, базовые станции 120 и/или сервер 302 базовой сети могут математически генерировать обучающие данные, осуществлять доступ к файлам, где хранятся обучающие данные, получать данные передач реального мира и т.д. Затем базовые станции 120 и/или сервер 302 базовой сети извлекают и сохраняют различные выученные конфигурации формирования NN в таблице нейронной сети. Некоторые реализации сохраняют входные характеристики с каждой конфигурацией формирования NN, где входные характеристики описывают различные свойства окружения передачи, соответствующего соответствующей конфигурации формирования NN. В реализациях, диспетчер нейронной сети выбирает конфигурацию формирования NN и/или элемент(ы) конфигурации формирования NN путем согласования текущего окружения передачи и/или текущего операционного окружения с входными характеристиками.

[0059] Описав конфигурируемые модули машинного обучения, рассмотрим теперь глубоких нейронных сетей в системах беспроводной связи, которые соответствуют одной или более реализациям.

Глубокие нейронные сети в системах беспроводной связи

[0060] Системы беспроводной связи включают в себя различные сложные компоненты и/или функции, например, различные устройства и модули, описанные со ссылкой на иллюстративное окружение 100, показанное на фиг. 1, иллюстративную схему 200 устройства, показанную на фиг. 2, и иллюстративную схему 300 устройства, показанную на фиг. 3. В некоторых реализациях, устройства, участвующие в системе беспроводной связи, объединяют друг с другом ряд функций для обеспечения обмена информацией по беспроводным соединениям.

[0061] Для демонстрации, рассмотрим теперь фиг. 5, где показаны иллюстративная блок-схема 500 и иллюстративная блок-схема 502, каждый из которых изображает иллюстративную цепь обработки, используемую устройствами в системе беспроводной связи. Для простоты, блок-схемы демонстрируют высокоуровневый функционал, и очевидно, что блок-схемы могут включать в себя дополнительные функции, которые для ясности исключены из фиг. 5.

[0062] В верхней части фиг. 5, блок-схема 500 включает в себя блок 504 передатчика и блок 506 приемника. Блок 504 передатчика включает в себя цепь обработки передатчика, которая развивается сверху вниз. Цепь обработки передатчика начинается с входных данных, которые поступают на каскад кодирования, после которого следует каскад модуляции, и затем радиочастотный (RF) аналоговый каскад передачи (Tx). Каскад кодирования может включать в себя каскады кодирования любого типа и в любом количестве, применяемые устройством для передачи данных по системе беспроводной связи.

[0063] Для иллюстрации, иллюстративный каскад кодирования принимает двоичные данные в качестве входа, и обрабатывает двоичные данные с использованием различных алгоритмов кодирования для присоединения информации к двоичным данным, например, информации кадров. Альтернативно или дополнительно, каскад кодирования преобразует двоичные данные, например, путем применения прямой коррекции ошибок, которая добавляет избыточные данные для помощи в восстановлении информации на приемнике. В порядке другого примера, каскад кодирования преобразует двоичные данные в символы.

[0064] Иллюстративный каскад модуляции принимает выходной сигнал, сгенерированный каскадом кодирования в качестве входа и внедряет вход в сигнал. Например, каскад модуляции генерирует цифровые выборки внедренного(ых) сигнала(ов) с входом из каскада кодирования. Таким образом, в блоке 504 передатчика, каскад кодирования и каскад модуляции представляют высокоуровневую цепь обработки передатчика, которая часто включает в себя сложные функции более низкого уровня, например, сверточное кодирование, последовательно-параллельное преобразование, вставку циклического префикса, кодирование канала, перемежение по времени/частоте и т.д. RF аналоговый каскад приемника принимает выходной сигнал от каскада модуляции, генерирует аналоговый RF сигнал на основе выходного сигнала каскада модуляции и передает аналоговый RF сигнал на блок 506 приемника.

[0065] Блок 506 приемника осуществляет дополняющую обработку относительно блока 504 приемопередатчика с использованием цепи обработки приемника. Цепь обработки приемника, проиллюстрированная в блоке 506 приемника, развивается сверху вниз и включает в себя RF аналоговый приемный (Rx) каскад, после которого следует каскад демодуляции и каскад декодирования.

[0066] RF аналоговый каскад Rx принимает сигналы, передаваемые блоком 504 передатчика, и генерирует входной сигнал, используемый каскадом демодуляции. В порядке одного примера, RF аналоговый каскад Rx включает в себя компонент понижающего преобразования и/или аналого-цифровой преобразователь (ADC) для генерации выборок принимаемого сигнала. Каскад демодуляции обрабатывает вход от RF аналогового каскада Rx для извлечения данных, внедренных в сигнал (например, данных, внедренных каскадом модуляции блока 504 передатчика). Каскад демодуляции, например, восстанавливает символы и/или двоичные данные.

[0067] Каскад декодирования принимает ввод из каскада демодуляции, например, восстановленные символы и/или двоичные данные, и обрабатывает ввод для восстановления передаваемой информации. Для иллюстрации, каскад декодирования корректирует ошибки данных на основе прямая коррекция ошибок, применяемой на блоке передатчика, извлекает данные полезной нагрузки из кадров и/или слотов и т.д. Таким образом, каскад декодирования генерирует восстановленную информацию.

[0068] Как указано, цепи обработки передатчика и приемника, проиллюстрированные блоком 504 передатчика и блоком 506 приемника, для наглядности упрощены и могут включать в себя множественные сложные модули. Время от времени, эти сложные модули специфичны для конкретных функций и/или условий. Рассмотрим, например, цепь обработки приемника, которая обрабатывает передачи на основе мультиплексирования с ортогональным частотным разделением (OFDM). Для восстановления информацию из передач OFDM, блок приемника часто включает в себя множественные блоки обработки, каждый из которых предназначен для конкретной функции, например, блок коррекции, который корректирует искажение в принимаемом сигнале, блок оценивания канала, который оценивает свойства канала передачи для идентификации эффектов рассеяния, быстрого снижения мощности и т.д. в передаче и т.д. На высоких частотах, например, частотах в полосе 6 ГГц, эти блоки могут быть вычислительно и/или монетарно дорогостоящими (например, требуют существенной вычислительной мощности, требуют дорогостоящего оборудования). Дополнительно, реализация блоков, которые генерируют выходные сигналы с точностью в пределах желаемого порога, часто требует более специфичных и менее гибких компонентов. Для иллюстрации, блок коррекции, который функционирует для сигналов в полосе 6 ГГц, может не осуществляться с той же точностью в других полосах частот, что требует разных блоков коррекции для разных полос и добавления сложности соответствующих устройств.

[0069] Некоторые реализации включают в себя DNN в цепях обработки передатчика и/или приемника. В блок-схеме 502, блок 508 передатчика включает в себя одну или более глубокую(ие) нейронную(ые) сеть(и) 510 (DNN 510) в цепи обработки передатчика, тогда как блок 512 приемника включает в себя одну или более глубокую(ие) нейронную(ые) сеть(и) 514 (DNN 514) в цепи обработки приемника.

[0070] Для простоты, DNN 510 в блоке 508 передатчика соответствуют каскаду кодирования и каскаду модуляции блока 504 передатчика. Однако очевидно, что DNN могут осуществлять любую высокоуровневую и/или низкоуровневую операцию, найденную в цепи обработки передатчика. Например, первая DNN осуществляет низкоуровневую прямую коррекцию ошибок на стороне передатчика, вторая DNN осуществляет низкоуровневое сверточное кодирование на стороне передатчика и т.д. Альтернативно или дополнительно, DNN 510 осуществляют высокоуровневую обработку, например, сквозную обработку, которая соответствует каскаду кодирования и каскаду модуляции блока 508 передатчика.

[0071] Аналогичным образом, DNN 514 в блоке 512 приемника осуществляют функционал цепи обработки приемника (например, каскада демодуляции, каскада декодирования). DNN 514 могут осуществлять любую высокоуровневую и/или низкоуровневую операцию, найденную в цепи обработки приемника, например низкоуровневую коррекцию битовых ошибок на стороне приемника, низкоуровневое восстановление символов на стороне приемника, высокоуровневые сквозные демодуляцию и декодирование и т.д. Соответственно, DNN в системах беспроводной связи можно конфигурировать для замены высокоуровневых операций и/или низкоуровневых операций в цепях обработки передатчика и приемника. Время от времени, DNN, осуществляющие высокоуровневые операции и/или низкоуровневые операции, можно конфигурировать и/или переконфигурировать на основе текущего операционного окружения, как описано ниже. Это обеспечивает повышенную гибкость и приспособляемость к цепям обработки относительно более специфичных и менее гибких компонентов.

[0072] В некоторых реализациях обмен передачами по системе беспроводной связи обрабатывается с использованием множественных DNN, где каждая DNN имеет соответствующую цель (например, обработку восходящей линии связи, обработку нисходящей линии связи, обработку кодирования восходящей линии связи, обработку декодирования нисходящей линии связи и т.д.). Для демонстрации, рассмотрим теперь фиг. 6, где показано иллюстративное операционное окружение 600, которое включает в себя UE 110 и базовую станцию 121. Хотя фиг. 6 демонстрирует базовую станцию 121, может использоваться альтернативная базовая станция, как указано на фиг. 2.

[0073] UE 110 и базовая станция 121 обмениваются передачами друг с другом по системе беспроводной связи посредством обработки передач с использованием множественных DNN.

[0074] Согласно фиг. 6, диспетчер 268 нейронной сети базовой станции для базовой станции 121 включает в себя модуль 602 обработки нисходящей линии связи для обработки передач нисходящей линии связи, например, для генерирования передач нисходящей линии связи, передаваемых на UE 110. Для иллюстрации, диспетчер 268 нейронной сети базовой станции формирует глубокую(ие) нейронную(ые) сеть(и) 604 (DNN 604) в модуле 602 обработки нисходящей линии связи с использованием конфигураций формирования NN, как описано ниже. В некоторых примерах, DNN 604 соответствуют DNN 510, показанным на фиг. 5. Другими словами, DNN 604 осуществляют некоторые или все из функций обработки передатчика, используемых для генерации передач нисходящей линии связи.

[0075] Аналогично, диспетчер 218 нейронной сети UE для UE 110 включает в себя модуль 606 обработки нисходящей линии связи, где модуль 606 обработки нисходящей линии связи включает в себя глубокую(ие) нейронную(ые) сеть(и) 608 (DNN 608) для обработки (принимаемых) передач нисходящей линии связи. В различных реализациях, диспетчер 218 нейронной сети UE формирует DNN 608 с использованием конфигураций формирования NN. Согласно фиг. 6, DNN 608 соответствуют DNN 514, показанным на фиг. 5, где глубокая(ие) нейронная(ые) сеть(и) 606 для UE 110 осуществляют некоторые или все функции обработки приемника для (принимаемых) передач нисходящей линии связи. Соответственно, DNN 604 и DNN 608 осуществляют взаимно дополняющую обработку (например, кодирование/декодирование, модуляцию/демодуляцию).

[0076] DNN 604 и/или DNN 608 могут включать в себя множественные глубокие нейронные сети, где каждая DNN предназначена для соответствующего канала, соответствующей цели и т.д. Базовая станция 121, в порядке одного примера, обрабатывает информацию канала управления нисходящей линии связи с использованием первой DNN из DNN 604, обрабатывает информацию канала данных нисходящей линии связи с использованием второй DNN из DNN 604 и т.д. В порядке другого примера, UE 110 обрабатывает информацию канала управления нисходящей линии связи с использованием первой DNN из DNN 608, обрабатывает информацию канала данных нисходящей линии связи с использованием второй DNN из DNN 608 и т.д.

[0077] Базовая станция 121 и/или UE 110 также обрабатывают передачи восходящей линии связи с использованием DNN. В окружении 600, диспетчер 218 нейронной сети UE включает в себя модуль 610 обработки восходящей линии связи, где модуль 610 обработки восходящей линии связи включает в себя глубокую нейронную сеть(и) 612 (DNN 612) для генерирования и/или обработки передач восходящей линии связи (например, кодирования, модуляции). Другими словами, модуль 610 обработки восходящей линии связи обрабатывает предварительно передаваемые передачи как часть обработки передач восходящей линии связи. Диспетчер 218 нейронной сети UE, например, формирует DNN 612 с использованием конфигураций формирования NN. Время от времени, DNN 612 соответствуют DNN 510, показанным на фиг. 5. Таким образом, DNN 612 осуществляют некоторые или все из функций обработки передатчика, используемых для генерации передач восходящей линии связи передаваемый от UE 110 на базовую станцию 121.

[0078] Аналогично, модуль 614 обработки восходящей линии связи базовой станции 121 включает в себя глубокую(ие) нейронную(ые) сеть(и) 616 (DNN 616) для обработки (принимаемых) передач восходящей линии связи, где диспетчер 268 нейронной сети базовой станции формирует DNN 616 с использованием конфигураций формирования NN, как описано ниже. В примерах, DNN 616 базовой станции 121 соответствуют DNN 514, показанным на фиг. 5, и осуществляют некоторые или все функции обработки приемника для (принимаемых) передач восходящей линии связи, например, передач восходящей линии связи, принятых от UE 110. Время от времени, DNN 612 и DNN 616 осуществляют взаимно дополняющие функции. Альтернативно или дополнительно, модуль 610 обработки восходящей линии связи и/или модуль 614 обработки восходящей линии связи включают в себя множественные DNN, где каждая DNN имеет особую цель (например, обрабатывает соответствующий канал, осуществляет соответствующий восходящей линии связи функционал и т.д.). Фиг. 6 демонстрирует DNN 604, 608, 612 и 616, присутствующие в соответствующих диспетчерах нейронных сетей для указания, что диспетчеры нейронных сетей формируют DNN, и очевидно, что DNN могут формироваться вне диспетчеров нейронных сетей (например, диспетчера 218 нейронной сети UE и диспетчера 268 нейронной сети базовой станции) в разных компонентах, цепях обработки, модулях и т.д.

[0079] Описав глубокие нейронные сети в системах беспроводной связи, рассмотрим теперь транзакции сигнализации и управления по системе беспроводной связи, которую можно использовать для конфигурирования глубоких нейронных сетей для передач нисходящей линии связи и восходящей линии связи, которые соответствуют одной или более реализациям.

Транзакции сигнализации и управления для конфигурирования глубоких нейронных сетей

[0080] Фиг. 7, 8 и 9 демонстрируют иллюстративные схемы транзакций сигнализации и управления между базовой станцией, пользовательским оборудованием и/или сервером базовой сети в соответствии с одним или более аспектами обратной связи по конфигурации формирования нейронной сети в беспроводных передачах, касающихся глубоких нейронных сетей. Транзакции сигнализации и управления могут осуществляться базовой станцией 120 и UE 110, показанными на фиг. 1, или сервером 302 базовой сети, показанным на фиг. 3, с использованием элементов, показанных на фиг. 1-6. Например, сервер 302 базовой сети осуществляет, в некоторых реализациях, различные действия сигнализации и управления, осуществляемые базовой станцией 120, как показано на фиг. 7 и 8.

[0081] Первый пример транзакций сигнализации и управления для обратной связи по конфигурации формирования нейронной сети в беспроводных передачах проиллюстрирован схемой 700 транзакций сигнализации и управления, показанной на фиг. 7. Как показано, на этапе 705 базовая станция 121 определяет конфигурацию формирования нейронной сети. При определении конфигурации формирования нейронной сети, базовая станция анализирует любую комбинацию информации, например, тип канала, обрабатываемого глубокой нейронной сетью (например, нисходящую линию связи, восходящую линию связи, данные, управление и т.д.), свойства среды передачи (например, измерения мощности, измерения отношения сигнала к помехе плюс шум (SINR), измерения указателя качества канала (CQI)), схемы кодирования, возможности UE, возможности BS и т.д.

[0082] Базовая станция 121, например, от UE 110 (не показано) принимает сообщение(я), которое(ые) указывает(ют) одну или более возможностей UE, например, в порядке примера, но не ограничения, информацию связности, информацию двойной связности, возможности агрегации несущих, значения физических параметров нисходящей линии связи, значения физических параметров восходящей линии связи, поддерживаемые категории нисходящей линии связи/восходящей линии связи, межчастотный хэндовер и т.д. Базовая станция 121 идентифицирует, из сообщения(й), возможности UE, которые определяют, как UE обрабатывает передачи, и/или как базовая станция обрабатывает передачи от UE, и выбирает конфигурацию формирования нейронной сети с повышенной выходной точностью относительно других конфигураций формирования нейронной сети.

[0083] В некоторых реализациях, базовая станция 121 выбирает конфигурацию формирования нейронной сети из множественных конфигураций формирования нейронной сети. Альтернативно или дополнительно, базовая станция 121 выбирает конфигурацию формирования нейронной сети путем выбора поднабора элементов архитектуры формирования нейронной сети в таблице нейронной сети. Время от времени, базовая станция 121 анализирует множественные конфигурации формирования нейронной сети и/или множественные элементы конфигурации формирования нейронной сети, включенные в таблицу нейронной сети, и определяет конфигурацию формирования нейронной сети путем выбора и/или создает конфигурацию формирования нейронной сети, которая выравнивается с текущими условиями канала, например, путем согласования типа канала, свойства среды передачи и т.д., с входными характеристиками, как описано ниже. Альтернативно или дополнительно, базовая станция 121 выбирает конфигурацию формирования нейронной сети на основе параметров сети, например, параметров диспетчеризации (например, диспетчеризации многопользовательской системы многих входов и многих выходов (MU-MIMO) для передач нисходящей линии связи, диспетчеризации MU-MIMO для передач восходящей линии связи).

[0084] На этапе 710 базовая станция 121 передает конфигурацию формирования нейронной сети на UE 110. В некоторых реализациях, базовая станция передает сообщение, которое указывает конфигурацию формирования нейронной сети, например, путем передачи сообщения, которое включает в себя значение индекса, которое отображается в запись в таблице нейронной сети, например, таблице 216 нейронной сети, показанной на фиг. 2. Альтернативно или дополнительно, базовая станция передает сообщение, которое включает в себя конфигурации параметров нейронной сети (например, значений веса, значений коэффициента, количества фильтров). В ряде случаев, базовая станция 121 указывает цель и/или назначение обработки в сообщении, где назначение обработки указывает, к каким каналам и/или где в цепи обработки, применяется сконфигурированная нейронная сеть, например, обработка канала управления нисходящей линии связи, обработка канала данных восходящей линии связи, обработка декодирования нисходящей линии связи, обработка кодирования восходящей линии связи и т.д. Соответственно, базовая станция может передавать назначение обработки с конфигурацией формирования нейронной сети.

[0085] В некоторых реализациях, базовая станция 121 передает множественные конфигурации формирования нейронной сети на UE 110. Например, базовая станция передает первое сообщение, которое предписывает UE использовать конфигурацию формирования первой нейронной сети для кодирования восходящей линии связи, и второе сообщение, которое предписывает UE использовать конфигурацию формирования второй нейронной сети для декодирования нисходящей линии связи. В некоторых сценариях, базовая станция 121 передает множественные конфигурации формирования нейронной сети, и соответствующие назначения обработки, в едином сообщении. В порядке еще одного примера, базовая станция передает множественные конфигурации формирования нейронной сети с использованием разных технологий радиодоступа (RAT). Базовая станция может, например, передавать конфигурацию формирования первой нейронной сети для обработки передачи нисходящей линии связи на UE 110 с использованием первой RAT и/или несущей, и передавать конфигурацию формирования второй нейронной сети для обработки передачи восходящей линии связи на UE 110 с использованием второй RAT и/или несущей.

[0086] На этапе 715 UE 110 формирует первую нейронную сеть на основе конфигурации формирования нейронной сети. Например, UE 110 осуществляет доступ к таблице нейронной сети с использованием значения(й) индекса, передаваемой(ых) базовой станцией, для получения конфигурации формирования нейронной сети и/или элементов конфигурации формирования нейронной сети. Альтернативно или дополнительно, UE 110 извлекает из сообщения архитектуру нейронной сети и/или конфигурации параметров. Затем UE 110 формирует нейронную сеть с использованием конфигурации формирования нейронной сети, извлеченных конфигураций архитектуры и/или параметров и т.д. В некоторых реализациях, UE обрабатывает все передачи с использованием первой нейронной сети, тогда как в других реализациях, UE обрабатывает передачи выбора с использованием первой нейронной сети на основе назначения обработки.

[0087] На этапе 720 базовая станция 121 передает информацию на основе конфигурации формирования нейронной сети. Например, со ссылкой на фиг. 6, базовая станция 121 обрабатывает передачи нисходящей линии связи с использованием второй нейронной сети, сконфигурированной с функционалом, дополняющим функционал первой нейронной сети. Другими словами, вторая нейронная сеть использует конфигурацию формирования второй нейронной сети, которая дополняет конфигурацию формирования нейронной сети. В свою очередь, на этапе 725, UE 110 восстанавливает информацию с использованием первой нейронной сети.

[0088] Второй пример транзакций сигнализации и управления для обратной связи по конфигурации формирования нейронной сети в беспроводных передачах, касающихся глубоких нейронных сетей, проиллюстрирован схемой 800 транзакций сигнализации и управления, показанной на фиг. 8. В некоторых реализациях, схема 800 транзакций сигнализации и управления представляет продолжение схемы 700 транзакций сигнализации и управления, показанной на фиг. 7.

[0089] Как показано, на этапе 805, базовая станция 121 осуществляет связь с UE 110 на основе конфигурации формирования первой нейронной сети. Аналогично, на этапе 810, UE 110 осуществляет связь с базовой станцией 121 на основе конфигурации формирования первой нейронной сети. Базовая станция 121, например, осуществляет связь с UE 110 посредством обработки одной или более передач нисходящей линии связи с использованием DNN 604, показанной на фиг. 6, пока UE 110 осуществляет связь с базовой станцией 121 посредством обработки передач нисходящей линии связи, принимаемых от базовой станции 121 с использованием DNN 608, показанной на фиг. 6.

[0090] В реализациях, DNN 604 и DNN 608 формируются на основе конфигурации формирования первой нейронной сети, как описано. Для иллюстрации, DNN 604 и DNN 608 осуществляют взаимно дополняющие функции, где конфигурация формирования первой нейронной сети указывает дополняющий функционал для каждой глубокой нейронной сети (например, базовая станция формирует первую нейронную сеть с использованием конфигурации формирования первой нейронной сети, UE формирует вторую нейронную сеть, которая дополняет первую нейронную сеть, с использованием конфигурации формирования нейронной сети, дополняющей конфигурацию формирования первой нейронной сети). Дополняющий функционал, осуществляемый глубокими нейронными сетями, позволяет каждой стороне обмениваться передачами, чтобы поддерживать синхронизацию (например, точно восстанавливать информацию). Таким образом, конфигурация формирования первой нейронной сети указывает любую комбинацию из конфигурации формирования нейронной сети на стороне базовой станции, дополняющей конфигурации формирования нейронной сети на стороне пользовательского оборудования и/или общей конфигурации формирования нейронной сети, используемой каждым устройством, участвующим в обмене передачами.

[0091] В порядке другого примера, UE 110 обрабатывает одну или более передач восходящей линии связи на базовую станцию 121 с использованием DNN 612, показанной на фиг. 6, в то время, как базовая станция 121 обрабатывает передачи восходящей линии связи, принимаемые от UE 110, с использованием глубокой(их) нейронной(ых) сети(ей) 614, показанных на фиг. 6. Аналогично передачам нисходящей линии связи, некоторые реализации формируют DNN 612 и глубокую(ие) нейронную(ые) сеть(и) 614 на основе конфигурации формирования первой нейронной сети (например, UE формирует первую нейронную сеть с использованием конфигурации формирования первой нейронной сети, базовая станция формирует вторую нейронную сеть с конфигурацией формирования нейронной сети, дополняющей конфигурацию формирования первой нейронной сети). Соответственно, базовая станция 121 и UE 110 осуществляют связь друг с другом на основе конфигурации формирования первой нейронной сети путем формирования глубоких нейронных сетей на основе конфигурации формирования первой нейронной сети и обработку передач глубокими нейронными сетями.

[0092] На этапе 815, базовая станция генерирует метрики базовой станции, например, метрики на основе передач восходящей линии связи, принимаемых от UE 110. Аналогично, на этапе 820, UE 110 генерирует метрики UE, например, метрики на основе передач нисходящей линии связи, принимаемых от базовой станции 121. Метрика любого типа, например, измерения мощности (например, RSS), метрики ошибок, метрики таймингов, QoS, задержка и т.д., может генерироваться базовой станцией 121 и/или UE 110.

[0093] На этапе 825, UE 110 передает метрики на базовую станцию 121. В реализациях, UE 110 обрабатывает передачи метрики с использованием глубокой нейронной сети на основе конфигурации формирования первой нейронной сети. Альтернативно или дополнительно, UE 110 обрабатывает передачи метрики с использованием нейронной сети, сформированной с использованием конфигурации формирования второй нейронной сети. Таким образом, как описано ниже, UE 110 поддерживает, в некоторых реализациях, множественные глубокие нейронные сети, где каждой глубокой нейронной сети определена цель и/или назначение обработки (например, первая нейронная сеть для обработки канала управления нисходящей линии связи, вторая нейронная сеть для обработки канала данных нисходящей линии связи, третья нейронная сеть для обработки канала управления восходящей линии связи, четвертая нейронная сеть для обработки канала данных восходящей линии связи). Время от времени, базовая станция 121 передает на UE 110 множественные конфигурации формирования нейронной сети, используемые для формирования множественных глубоких нейронных сетей.

[0094] На этапе 830, базовая станция 121 идентифицирует конфигурацию формирования второй нейронной сети на основе метрик на этапе 830. В некоторых реализациях, базовая станция 121 идентифицирует конфигурацию формирования второй нейронной сети на основе метрик UE, метрик базовой станции или любой их комбинации. Это включает в себя идентификацию любой комбинации архитектурных изменений и/или изменений параметров в отношении конфигурации формирования нейронной сети, как описано ниже, например, малого изменения конфигурации формирования нейронной сети, которое предусматривает обновление параметров коэффициентов для обращения к изменениям в возвращаемых метриках (например, SINR изменениям, изменениям доплеровской обратной связи, изменениям уровня мощности, изменениям BLER). Альтернативно или дополнительно, идентификация конфигурации формирования второй нейронной сети включает в себя большое изменение, например, переконфигурирование узла и/или соединений слоев, на основе таких метрик, как изменение состояния мощности (например, переход из состояние соединенных радиоресурсов в неактивное состояние).

[0095] В некоторых реализациях, базовая станция 121 идентифицирует частичную и/или дельта-конфигурацию формирования нейронной сети как конфигурацию формирования второй нейронной сети, где частичная и/или дельта-конфигурация формирования нейронной сети указывает изменения полной конфигурации формирования нейронной сети. Полная конфигурация формирования нейронной сети, например, включает в себя архитектурную конфигурацию для нейронной сети и конфигурации параметров, тогда как частичная и/или дельта-конфигурация формирования нейронной сети указывает изменения и/или обновления конфигураций параметров с использованием одной и той же архитектурной конфигурации, указанной в полной конфигурации формирования нейронной сети.

[0096] В некоторых реализациях, базовая станция идентифицирует конфигурацию формирования второй нейронной сети путем идентификации конфигурации формирования нейронной сети в таблице нейронной сети, что повышает возможности UE и/или возможности базовой станции, для восстановления данных из передач (например, повышения точности восстановленной информации). Для иллюстрации, базовая станция 121 идентифицирует, посредством диспетчера 268 нейронной сети базовой станции, показанного на фиг. 2, конфигурацию формирования нейронной сети, которая компенсирует проблемы, идентифицированные метриками UE и/или метриками базовой станции. В порядке другого примера, базовая станция 121 идентифицирует конфигурацию формирования нейронной сети с одной или более входными характеристиками, которые выравниваются с изменяющимися условиями эксплуатации, идентифицированными метриками UE и/или метриками базовой станции. Альтернативно или дополнительно, базовая станция 121 идентифицирует конфигурацию формирования нейронной сети, которая дает аналогичные результаты, но с меньшей обработкой, например, для сценария, в котором UE переходит к более низкому состоянию мощности.

[0097] На этапе 840, базовая станция 121 предписывает UE 110 обновлять первую нейронную сеть конфигурацией формирования второй нейронной сети. Базовая станция, например, генерирует сообщение обновления, которое включает в себя значение индекса, конфигурации формирования второй нейронной сети в таблице 216 нейронной сети, показанной на фиг. 2. В некоторых реализациях, базовая станция 121 указывает, в сообщении, момент времени, который указывает UE 110, когда применять конфигурацию формирования второй нейронной сети. Другими словами, момент времени предписывает UE 110 переключаться от обработки передач с использованием конфигурации формирования первой нейронной сети к обработке передач с использованием конфигурации формирования второй нейронной сети во время, указанное в момент времени. В реализациях, базовая станция передает обновления нейронным сетям нисходящей линии связи с использованием первой несущей или RAT, и передает обновления нейронным сетям восходящей линии связи с использованием второй несущей или RAT.

[0098] На этапе 845, базовая станция 121 обновляет нейронную сеть базовой станции на основе конфигурации формирования второй нейронной сети, например, глубокой нейронной сети, сформированной на основе конфигурации формирования первой нейронной сети и используемой для осуществления связи с UE 110 на этапе 805 (например, глубокой нейронной сети для обработки передач нисходящей линии связи, глубокой нейронной сети для обработки передач восходящей линии связи). Аналогично, на этапе 850, UE 110 обновляет нейронную сеть пользовательского оборудования на основе конфигурации формирования второй нейронной сети, например, глубокой нейронной сети, которая осуществляет функционал, дополняющий функционал нейронной сети базовой станции, обновленный на этапе 845. UE, в порядке одного примера, извлекает значение индекса и/или значение времени из сообщения обновления, передаваемого базовой станцией на этапе 840. UE 110 получает конфигурацию формирования второй нейронной сети и модифицирует нейронную сеть пользовательского оборудования во время, указанное в сообщении обновления. Таким образом, UE 110 использует конфигурацию формирования первой нейронной сети для обработки передач до указанного времени в сообщении обновления, и в этот момент UE 110 переключается на обработку передач с использованием конфигурации формирования второй нейронной сети.

[0099] В реализациях, базовая станция 121 и/или UE 110 итерационно осуществляют транзакции сигнализации и управления, описанные в схеме 800 транзакций сигнализации и управления, представленной на фиг. 8 пунктирной линией. Эти итерации позволяют базовой станции 121 и/или UE 110 динамически модифицировать цепи обработки передач на основе изменяющихся условий эксплуатации, как описано ниже.

[0100] Третий пример транзакций сигнализации и управления для обратной связи по конфигурации формирования нейронной сети в беспроводных передачах проиллюстрирован схемой 900 транзакций сигнализации и управления, показанной на фиг. 9-1 и 9-2. Как показано на фиг. 9-1, на этапе 905, сервер 302 базовой сети определяет конфигурацию формирования нейронной сети на основе различных метрик и/или параметров, например, метрик от UE 110, метрик от базовой станции 121, возможностей UE и т.д. Например, сервер базовой сети принимает любую комбинацию метрик и/или параметров от базовой станции 121 и/или UE 110, например, информации мощности, информации SINR, CQI, CSI, доплеровской обратной связи, QoS, задержки, возможностей UE, типа базовой станции (например, eNB, gNB или ng-eNB), версий протокола, метрик ошибок, возможностей UE, возможностей BS, режима мощности и т.д. Затем сервер 302 базовой сети определяет конфигурацию формирования нейронной сети на основе метрик, параметров и т.д.

[0101] В некоторых реализациях, сервер 302 базовой сети определяет несколько разных конфигураций формирования нейронной сети, каждая из которых специфична для соответствующей базовой станции и/или соответствующего UE. Альтернативно или дополнительно, сервер 302 базовой сети определяет конфигурацию формирования нейронной сети, используемую множественными базовыми станциями и/или UE. Время от времени, сервер 302 базовой сети определяет принятую по умолчанию конфигурацию формирования нейронной сети, используемую базовыми станциями и/или UE для первоначального соединения друг с другом. Как описано ниже, принятая по умолчанию конфигурация формирования нейронной сети соответствует общей конфигурации формирования нейронной сети, которая конфигурирует глубокую нейронную сеть для обработки различных входных данных и/или условий канала с точностью в пороговом диапазоне или значении. Однако выделенная конфигурация формирования нейронной сети соответствует глубокой нейронной сети, которая настроена на конкретный тип входных данных и/или конкретные условия канала. При определении конфигурации формирования нейронной сети, некоторые реализации сервера базовой сети определять дополняющие конфигурации формирования нейронной сети (например, конфигурацию формирования нейронной сети на стороне базовой станции, которая является дополнением конфигурации формирования нейронной сети на стороне пользовательского оборудования).

[0102] На этапе 910, сервер 302 базовой сети передает конфигурацию формирования нейронной сети на базовую станцию 121. Например, сервер 302 базовой сети передает значение индекса на базовую станцию 121 по интерфейсу 318 базовой сети, показанному на фиг. 3, где значение индекса отображает в запись в таблице 272 нейронной сети, показанной на фиг. 2. Альтернативно или дополнительно, сервер 302 базовой сети передает различные конфигурации параметров, например, коэффициенты, веса, значения соединений слоев и т.д.

[0103] На этапе 915, базовая станция 121 пересылает конфигурацию формирования нейронной сети на UE 110. Базовая станция, например, передает в беспроводном режиме значение индекса на UE, передает в беспроводном режиме конфигурации параметров на UE и т.д. При передаче конфигурации формирования нейронной сети, сервер 302 базовой сети и/или базовая станция 121 иногда указывает назначение обработки для конфигурации формирования нейронной сети (например, обработка канала данных нисходящей линии связи, обработка канала управления восходящей линии связи, обработка декодирования, обработка кодирования восходящей линии связи, обработка модуляции восходящей линии связи, обработка демодуляции нисходящей линии связи).

[0104] В некоторых реализациях, базовая станция 121 добавляет модификации конфигурации формирования нейронной сети до пересылки на UE 110. Например, базовая станция 121 может иметь доступ к более обновленной информации, чем сервер базовой сети, например, посредством возможностей UE, принимаемых от UE 110. Базовая станция 121, время от времени, адаптирует конфигурацию формирования нейронной сети на основе обновленной информации (например, возможностей UE, специфичных для UE 110), например, путем удаления слоев и/или узлов для снижения соответствующей сложности глубокой нейронной сети на UE 110 на основе доступных возможностей обработки, мощности батареи, доступных радиостанций и т.д. на UE. В порядке другого примера, базовая станция 121 добавляет сверточные слои в конфигурацию формирования нейронной сети на основе обновленной информации. Затем базовая станция 121 пересылает модифицированную конфигурацию формирования нейронной сети на UE 110, вместо конфигурации формирования нейронной сети принятой от сервера 302 базовой сети.

[0105] На этапе 920, базовая станция 121 формирует первую глубокую нейронную сеть с использованием конфигурации формирования нейронной сети, например, путем идентификации конфигурации формирования нейронной сети на стороне базовой станции и формирования первой глубокой нейронной сети с конфигурацией формирования нейронной сети на стороне базовой станции. Для иллюстрации, базовая станция 121 получает конфигурацию формирования нейронной сети с использованием значения индекса для осуществления доступа к таблице 272 нейронной сети, показанной на фиг. 2. Аналогично, на этапе 925, UE 110 формирует вторую глубокую нейронную сеть с использованием конфигурации формирования нейронной сети, например, путем идентификации конфигурации формирования нейронной сети дополняющий и/или на стороне пользовательского оборудования и формирования второй нейронной сети с конфигурацией формирования нейронной сети дополняющей и/или на стороне пользовательского оборудования. В некоторых реализациях, UE 110 получает конфигурацию формирования нейронной сети дополняющей и/или на стороне пользовательского оборудования с использованием значения индекса для осуществления доступа к таблице 216 нейронной сети, показанной на фиг. 2. Соответственно, первая глубокая нейронная сеть и вторая глубокая нейронная сеть являются синхронизированными нейронными сетями на основе конфигурации формирования нейронной сети, определенной и передаваемой сервером базовой сети на этапе 905 и на этапе 910.

[0106] На фиг. 9-2, на этапе 930, базовая станция 121 осуществляет связь с UE 110 с использованием первой глубокой нейронной сети, например, путем генерирования и/или обработки передач нисходящей линии связи на UE 110, путем приема и/или обработки передач восходящей линии связи от UE 110 и т.д. Аналогично, на этапе 935, UE 110 осуществляет связь с базовой станцией 121 с использованием второй глубокой нейронной сети на этапе 935. Другими словами, UE 110 осуществляет связь с базовой станцией 121 с использованием дополняющей глубокой нейронной сети (например, второй глубокой нейронной сети), которая основана на конфигурации формирования нейронной сети, как описано ниже.

[0107] На этапе 940, базовая станция генерирует метрики базовой станции, где базовая станция 121 генерирует метрики на основе передачи на этапе 930 и/или на этапе 935. Таким образом, метрики базовой станции может основываться на передачах восходящей линии связи, принимаемых от UE 110. Например, базовая станция 121 генерирует принимаемую мощность восходящей линии связи, SINR восходящей линии связи, пакетные ошибки восходящей линии связи, пропускную способность восходящей линии связи, измерения таймингов и т.д. В некоторых реализациях, базовая станция включает возможности базовой станции (возможности BS), например, вычислительную мощность (например, базовой станции макросоты, базовой станции умной соты), состояние мощности и т.д. в метрики базовой станции.

[0108] Аналогично, на этапе 945, UE 110 генерирует метрики UE (например, информацию мощности, информацию SINR, CQI, CSI, доплеровскую обратную связь, QoS, задержку) на основе передач нисходящей линии связи от базовой станции 121 и передает метрики UE на базовую станцию 121 на этапе 950.

[0109] На этапе 955, базовая станция 121 пересылает метрики на сервер 302 базовой сети, например, через интерфейс 318 базовой сети. Это включает в себя любую комбинацию метрик базовой станции и метрик UE, сгенерированных на этапе 940 и/или на этапе 945. Затем, сервер 302 базовой сети определяет обновления конфигурации формирования нейронной сети, на этапе 960. Это может включать в себя любую комбинацию изменений архитектурной структуры (например, переконфигурирование соединений узлов, переконфигурирование активных слоев /неактивных слоев), изменение применяемых параметров обработки (например, коэффициентов, ядер) и т.д. Таким образом, сервер 302 базовой сети, время от времени, идентифицирует малые изменения и/или большие изменения, например, как описано со ссылкой на базовую станцию 121 на этапе 830, показанном на фиг. 8. Путем приема сгенерированных метрик от UE 110, базовой станцией 121, сервер 302 базовой сети принимает обратную связь в отношении канала связи между базовой станцией и UE и/или указание, насколько хорошо нейронная сеть обрабатывает передачи, передаваемые по каналу связи. Сервер 302 базовой сети анализирует обратную связь для идентификации регулировок конфигурации формирования нейронной сети, которые, будучи применены к нейронной сети, повышают точность, с которой глубокая нейронная сеть обрабатывает передачи (например, более точное восстановление данных, меньше ошибочных данных) и/или насколько эффективно нейронная сеть обрабатывает передачи (например, выбирая конфигурации, которые снижают время обработки глубокой нейронной сети).

[0110] В реализациях, сервер 302 базовой сети, базовая станция 121 и/или UE 110 итерационно осуществляют транзакции сигнализации и управления, описанные в схеме 900 транзакций сигнализации и управления, представленной на фиг. 9-1 и 9-2 пунктирной линией, которая возвращается от 960 к 910. Эти итерации позволяют серверу 302 базовой сети, базовой станции 121 и/или UE 110 динамически модифицировать цепи обработки передач на основе изменяющихся условий эксплуатации, как описано ниже.

[0111] В некоторых реализациях, сервер 302 базовой сети принимает обратную связь от множественных UE и/или базовых станций в системе беспроводной связи. Это позволяет серверу базовой сети лучше оценивать работу системы беспроводной связи, какие устройства осуществляют связь по системе беспроводной связи, насколько хорошо устройства осуществляют связь и т.д. В различных реализациях, сервер 302 базовой сети определяет обновления конфигурации формирования нейронной сети на основе оптимизация передач множественных устройств и/или общей производительности системы, вместо оптимизации передач конкретного устройства.

[0112] Описав транзакции сигнализации и управления, которые можно использовать для конфигурирования нейронных сетей для обработки передач, рассмотрим теперь некоторые иллюстративные способы, которые соответствуют одной или более реализациям.

Иллюстративные способы

[0113] Иллюстративные способы 1000 и 1100 описаны со ссылкой на фиг. 10 и фиг. 11 в соответствии с одним или более аспектами обратной связи по конфигурации формирования нейронной сети в беспроводных передачах. Порядок, в котором описаны блоки способа, не следует рассматривать как ограничение, и любое количество описанных блоков способа можно пропустить или комбинировать в любом порядке для реализации способа или альтернативного способа. В общем случае, любой из описанных здесь компонентов, модулей, способов и операций можно реализовать с использованием программного обеспечения, программно-аппаратного обеспечения, оборудования (например, фиксированной логической схемы), ручной обработки или любой их комбинации. Некоторые операции иллюстративных способов можно описать в общем контексте исполнимых инструкций, хранящихся в компьютерно-считываемом запоминающем устройстве, локальном и/или удаленном по отношению к компьютерной системе обработки, и реализации могут включать в себя прикладные программы, программы, функции и пр. Альтернативно или дополнительно, любая из описанных здесь функций может осуществляться, по меньшей мере частично, одним или более компонентами аппаратной логики, например, и без ограничения, вентильными матрицами, программируемыми пользователем (FPGA), специализированными интегральными схемами (ASIC), специализированными стандартными продуктами (ASSP), однокристальными системами (SoC), сложными программируемыми логическими устройствами (CPLD) и пр.

[0114] Фиг. 10 демонстрирует иллюстративный способ 1000 конфигурирования нейронной сети для обработки передач, обмениваемых по системе беспроводной связи. В некоторых реализациях, операции способа 1000 осуществляются сетевой сущностью, например, любой из базовых станций 120 или сервером 302 базовой сети.

[0115] На этапе 1005, сетевая сущность определяет конфигурацию формирования нейронной сети для глубокой нейронной сети для обработки передач, передаваемых по системе беспроводной связи. Сетевая сущность (например, базовая станция 121, сервер 302 базовой сети), например, определяет конфигурацию формирования нейронной сети по меньшей мере частично на основе метрик, обратной связи и/или других типов информации от пользовательского оборудования (например, UE 110). Для иллюстрации, базовая станция 121 принимает от UE 110 сообщение, которое указывает одну или более возможностей UE 110. Затем базовая станция 121 определяет конфигурацию формирования нейронной сети по меньшей мере частично на основе возможностей, принимаемых от UE 110. Альтернативно или дополнительно, базовая станция 121 пересылает возможности UE на сервер 302 базовой сети, и сервер 302 базовой сети определяет конфигурацию формирования нейронной сети на основе возможностей UE 110. В порядке другого примера, базовая станция 121 определяет конфигурацию формирования нейронной сети на основе диспетчеризации MU-MIMO нисходящей линии связи и/или передач восходящей линии связи в системе беспроводной связи. При определении конфигурации формирования нейронной сети, сеть выбирает любую комбинацию элементов конфигурации формирования нейронной сети для глубоких нейронных сетей на стороне пользовательского оборудования, глубоких нейронных сетей на стороне базовой станции и/или глубокой нейронной сети, которая соответствует как глубоким нейронным сетям на стороне пользовательского оборудования, так и глубоким нейронным сетям на стороне базовой станции.

[0116] При определении конфигурации формирования нейронной сети, сетевая сущность (например, базовая станция 121, сервер 302 базовой сети) иногда выбирает принятую по умолчанию конфигурация формирования нейронной сети. Альтернативно или дополнительно, сетевая сущность анализирует множественные конфигурации формирования нейронной сети и выбирает конфигурацию формирования нейронной сети, из нескольких, которая выравнивается с текущими условиями канала, возможностями конкретного UE и т.д.

[0117] На этапе 1010, сетевая сущность генерирует сообщение, которое включает в себя указание конфигурации формирования нейронной сети для глубокой нейронной сети. Сетевая сущность (например, базовая станция 121, сервер 302 базовой сети), например, генерирует сообщение, которое включает в себя значение(я) индекса, которое(ые) отображается в одну или более записей таблицы нейронной сети (например, таблицы 216 нейронной сети, таблицы 272 нейронной сети, таблицы 316 нейронной сети). В некоторых реализациях, сетевая сущность включает в себя указание назначения обработки для глубокой нейронной сети, где назначение обработки указывает функцию цепи обработки для глубокой нейронной сети, сформированной с конфигурацией формирования нейронной сети. Альтернативно или дополнительно, сетевая сущность указывает момент времени в сообщении, которое указывает время и/или местоположение начала обработки передач с помощью глубокой нейронной сети.

[0118] На этапе 1015, сетевая сущность передает сообщение на пользовательское оборудование для предписания пользовательскому оборудованию формировать глубокую нейронную сеть с использованием конфигурации формирования нейронной сети и обрабатывать передачи, передаваемые по системе беспроводной связи с использованием глубокой нейронной сети. Сетевая сущность (например, сервер 302 базовой сети), например, передает сообщение на пользовательское оборудование (например, UE 110) путем передачи сообщения на базовую станцию 121, которая передает сообщение на пользовательское оборудование. Альтернативно или дополнительно, сетевая сущность (например, базовая станция 121) передает сообщение на пользовательское оборудование (например, UE 110). В реализациях глубокая нейронная сеть соответствует глубокой нейронной сети на стороне пользовательского оборудования.

[0119] В некоторых реализациях, сетевая сущность (например, базовая станция 121) передает сообщение с использованием конкретной RAT и/или несущей на основе назначения обработки глубокой нейронной сети. Например, базовая станция 121 передает конфигурацию формирования первой нейронной сети с первым назначением обработки (например, обработки канала данных нисходящей линии связи) с использованием первой RAT и/или несущей, и конфигурацию формирования второй нейронной сети со вторым назначением обработки (например, обработки канала управления нисходящей линии связи) с использованием второй RAT и/или несущей.

[0120] В некоторых реализациях, на этапе 1020, сетевая сущность анализирует обратную связь, принимаемую от пользовательского оборудования. Сетевая сущность (например, базовая станция 121), в порядке одного примера, принимает метрики от пользовательского оборудования (например, UE 110), и анализирует метрики для определения, обновлять ли и/или переконфигурировать нейронную сеть другой конфигурацией формирования нейронной сети. Альтернативно или дополнительно, базовая станция пересылает обратную связь на сетевую сущность (например, сервер 302 базовой сети), и сетевая сущность анализирует обратную связь для определения, обновлять ли и/или переконфигурировать нейронную сеть другой конфигурацией формирования нейронной сети.

[0121] На этапе 1025, сетевая сущность обновляет глубокую нейронную сеть на основе обратной связи. Например, сетевая сущность (например, базовая станция 121, сервер 302 базовой сети) анализирует множественные конфигурации формирования нейронной сети, включенные в таблицу нейронной сети (например, таблицу 216 нейронной сети, таблицу 272 нейронной сети, таблицу 316 нейронной сети) и выбирает конфигурацию формирования второй нейронной сети, которая выравнивается с новыми условиями канала, указанными обратной связью. Сетевая сущность генерирует второе сообщение, которое включает в себя указание конфигурации формирования второй нейронной сети и передает второе сообщение на пользовательское оборудование. Это включает в себя конфигурирование и передачу второго сообщения, как описано на этапе 1010 и/или на этапе 1015. В реализациях, сетевая сущность итерационно осуществляет различные операции способа 1000, указанные здесь пунктирной линией, которая возвращается от 1025 к 1010.

[0122] Фиг. 11 демонстрирует иллюстративный способ 1100 формирования нейронной сети на основе конфигурации формирования нейронной сети. В некоторых аспектах, операции способа 1100 реализуются посредством UE, например UE 110.

[0123] На этапе 1105, пользовательское оборудование принимает сообщение, которое указывает конфигурацию формирования нейронной сети для глубокой нейронной сети для обработки передач, передаваемых по системе беспроводной связи. Пользовательское оборудование (например, UE 110), например, принимает сообщение от базовой станции (например, базовой станции 121), которое указывает конфигурацию формирования нейронной сети и/или назначение обработки для глубокой нейронной сети, сформированной с использованием конфигурации формирования нейронной сети. В некоторых реализациях, пользовательское оборудование принимает множественные сообщения, каждое из которых относится к разным конфигурациям формирования нейронной сети (например, первое сообщение, которое указывает конфигурацию формирования первой нейронной сети для первой глубокой нейронной сети для обработки передач нисходящей линии связи, второе сообщение, которое указывает конфигурацию формирования второй нейронной сети для второй глубокой нейронной сети для обработки передач восходящей линии связи). В реализациях, пользовательское оборудование принимает сообщение как широковещательное сообщение от базовой станции, или как назначенное UE сообщение.

[0124] На этапе 1110, пользовательское оборудование формирует глубокую нейронную сеть с использованием конфигурации формирования нейронной сети, указанной в сообщении. Для иллюстрации, пользовательское оборудование (например, UE 110) извлекает из сообщения конфигурации параметров, например, коэффициенты, веса, соединения слоев и т.д., и формирует глубокую нейронную сеть с использованием извлеченных конфигураций параметров. В порядке другого примера, пользовательское оборудование (например, UE 110) извлекает значение(я) индекса из сообщения и получает конфигурации параметров из таблицы нейронной сети, как описано ниже. Альтернативно или дополнительно, пользовательское оборудование извлекает момент времени из сообщения, где момент времени указывает время и/или местоположение начала обработки передач с использованием глубокой нейронной сети, сформированной с конфигурацией формирования нейронной сети.

[0125] На этапе 1115, пользовательское оборудование принимает передачи от базовой станции. Например, пользовательское оборудование (например, UE 110) принимает передачи канала данных нисходящей линии связи от базовой станции (например, базовой станции 121), передачи канала управления нисходящей линии связи от базовой станции и т.д. На этапе 1120, пользовательское оборудование обрабатывает передачи с использованием глубокой нейронной сети для извлечения информации, передаваемой в передачах. Пользовательское оборудование (например, UE 110), в порядке одного примера, обрабатывает передачи с использованием глубокой нейронной сети на основе назначения обработки, включенного в сообщение, например, путем демодуляции и/или декодирования передач нисходящей линии связи от базовой станции (например, базовой станции 121) с использованием глубокой нейронной сети, кодирования и/или модуляции передач восходящей линии связи на базовую станцию и т.д.

[0126] В некоторых реализациях, пользовательское оборудование в необязательном порядке передает обратную связь на основе передач на этапе 1125. Например, пользовательское оборудование (например, UE 110) генерирует метрики на основе передач (например, метрик ошибок, информации SINR, CQI, CSI, доплеровской обратной связи) и передает метрики в качестве обратной связи на базовую станцию (например, базовую станцию 121).

[0127] Описав некоторые иллюстративные способы, которые можно использовать для реализации аспектов обмена сообщениями между базовой станцией и пользовательским оборудованием с использованием глубокой нейронной сети, рассмотрим теперь генерированию и передачу конфигураций формирования нейронной сети, которые соответствуют одной или более реализациям.

Генерирование и передача конфигураций формирования нейронной сети

[0128] В контролируемом обучении, модули машинного обучения обрабатывать отмеченные обучающие данные для генерации выходного сигнала. Модули машинного обучения принимают обратную связь по точности сгенерированного выходного сигнала и модифицируют параметры обработки для повышения точности выходного сигнала. Фиг. 12 демонстрирует пример 1200, который описывает аспекты генерирования множественных конфигураций формирования NN. Время от времени, различные аспекты примера 1200 реализуются любой комбинацией модуля 270 тренировки, диспетчера 268 нейронной сети базовой станции, диспетчера 312 нейронной сети базовой сети и/или модуля 314 тренировки, показанных на фиг. 2 и фиг. 3.

[0129] Верхняя часть фиг. 12 включает в себя модуль 400 машинного обучения, показанный на фиг. 4. В реализациях, диспетчер нейронной сети предписывает генерировать разные конфигурации формирования NN. Для иллюстрации, рассмотрим сценарий, в котором диспетчер 268 нейронной сети базовой станции предписывает генерировать конфигурацию формирования NN путем выбора комбинации элементов конфигурации формирования NN из таблицы нейронной сети, где конфигурация формирования NN соответствует UE, декодирующему и/или демодулирующему передачи нисходящей линии связи. Другими словами, конфигурация формирования NN (посредством объединения элементов конфигурации формирования NN) формирует DNN, которая обрабатывает передачи нисходящей линии связи, принимаемые на UE. Однако часто условия каналов передачи изменяются, что, в свою очередь, влияет на характеристики передач нисходящей линии связи. Например, первый канал передачи искажает передачи нисходящей линии связи путем внесения смещения частоты, второй канал передачи искажает передачи нисходящей линии связи путем внесения доплеровских эффектов, третий канал передачи искажает передачи нисходящей линии связи путем внесения эффектов канала многолучевого распространения и т.д. Чтобы точно обрабатывать передачи нисходящей линии связи (например, снижать коэффициент ошибочных битов), различные реализации выбирают множественные конфигурации формирования NN, где каждая конфигурация формирования NN (и соответствующая комбинация элементов конфигурации формирования NN) соответствует соответствующему входному условию, например, первому каналу передачи, второму каналу передачи и т.д.

[0130] Обучающие данные 1202 представляет иллюстративный ввод в модуль 400 машинного обучения. Согласно фиг. 12, обучающие данные представляют данные, соответствующие передаче нисходящей линии связи. Обучающие данные 1202, например, могут включать в себя цифровые выборки сигнала передачи нисходящей линии связи, восстановленные символы, восстановленные данные кадра и т.д. В некоторых реализациях, модуль тренировки генерирует обучающие данные математически или осуществляет доступ к файлу, где хранятся обучающие данные. Альтернативно, модуль тренировки получает данные передач реального мира. Таким образом, модуль тренировки может тренировать модуль машинного обучения с использованием математически сгенерированных данных, статических данных и/или данных реального мира. Некоторые реализации генерируют входные характеристики 1204, которые описывают различные величины обучающих данных, например, метрики канала передачи, возможности UE, скорость UE и т.д.

[0131] Модуль 400 машинного обучения анализирует обучающие данные и генерирует выходной сигнал 1206, представленный здесь в качестве двоичных данных. Некоторые реализации итерационно тренируют модуль 400 машинного обучения с использованием того же набора обучающих данных и/или дополнительных обучающих данных, которые имеют одни и те же входные характеристики для повышения точности модуля машинного обучения. В ходе тренировки, модуль машинного обучения модифицирует некоторые или все из конфигураций архитектуры и/или параметров нейронной сети, включенных в модуль машинного обучения, например, соединения узлов, коэффициенты, размеры ядра и т.д. В некоторый момент тренировки, модуль тренировки предписывает извлекать конфигурации архитектуры и/или параметров 1208 нейронной сети (например, параметр(ы) пулинга, параметр(ы) ядра, параметр(ы) слоя, веса), например, когда модуль тренировки определяет, что точность совпадает или превышает желаемый порог, процесс тренировки совпадает или превышает количество итераций и т.д. Затем модуль тренировки извлекает конфигурации архитектуры и/или параметров из модуля машинного обучения для использования в качестве конфигурации формирования NN и/или элемента(ов) конфигурации формирования NN. Конфигурации архитектуры и/или параметров может включать в себя любую комбинацию фиксированных конфигураций архитектуры и/или параметров, и/или переменных архитектур и/или конфигураций параметров.

[0132] Нижняя часть фиг. 12 включает в себя таблицу 1212 нейронной сети, которая представляет совокупность элементов конфигурации формирования NN, например, таблицу 216 нейронной сети, таблицу 272 нейронной сети и/или таблицу 316 нейронной сети, показанные на фиг. 2 и фиг. 3. В таблице 1212 нейронной сети хранятся различные комбинации конфигураций архитектуры, конфигурации параметров и входных характеристик, но альтернативные реализации исключают входные характеристики из таблицы. Различные реализации обновляют и/или поддерживают элементы конфигурации формирования NN и/или входные характеристики по мере того, как модуль машинного обучения изучает дополнительную информацию. Например, на индексе 1214, диспетчер нейронной сети и/или модуль тренировки обновляет таблицу 1212 нейронной сети для включения конфигураций архитектуры и/или параметров 1208, сгенерированных модулем 400 машинного обучения, анализируя обучающие данные 1202.

[0133] Альтернативно или дополнительно, диспетчер нейронной сети и/или модуль тренировки добавляет входные характеристики 1204 в таблицу нейронной сети и связывает входные характеристики с конфигурациями архитектуры и/или параметров 1208. Это позволяет получать входные характеристики одновременно с конфигурациями архитектуры и/или параметров, например, с использованием значения индекса, которое ссылается на таблицу нейронной сети (например, указывает конфигурации формирования NN, указывает элементы конфигурации формирования NN). В некоторых реализациях, диспетчер нейронной сети выбирает конфигурацию формирования NN путем согласования входных характеристик с текущим операционным окружением, например, путем согласования входных характеристик с текущими условиями канала, возможностями UE, характеристиками UE (например, скоростью, местоположением и т.д.) и т.д.

[0134] Описав генерирование и передачу конфигураций формирования нейронной сети, рассмотрим теперь транзакции сигнализации и управления по системе беспроводной связи, которую можно использовать для передачи конфигураций формирования нейронной сети, которые соответствуют одной или более реализациям.

Транзакции сигнализации и управления для передачи конфигураций формирования нейронной сети

[0135] Фиг. 13-15 демонстрируют иллюстративные схемы транзакций сигнализации и управления между базовой станцией, пользовательским оборудованием и/или сервером базовой сети в соответствии с одним или более аспектами передачи конфигураций формирования нейронной сети, например, передачи конфигурации формирования NN. В реализациях, транзакции сигнализации и управления могут осуществляться любой из базовых станций 120 и UE 110, показанных на фиг. 1, или сервером 302 базовой сети, показанным на фиг. 3, с использованием элементов, показанных на фиг. 1-12.

[0136] Первый пример транзакций сигнализации и управления для передачи конфигураций формирования нейронной сети проиллюстрирован схемой 1300 транзакций сигнализации и управления, показанной на фиг. 13. В реализациях, части или все из транзакций сигнализации и управления, описанных со ссылкой на схему транзакций сигнализации и управления, соответствуют транзакциям сигнализации и управления, описанным со ссылкой на фиг. 7 и/или фиг. 8.

[0137] Как показано, на этапе 1305 базовая станция 121 поддерживает таблицу нейронной сети. Например, диспетчер нейронной сети базовой станции и/или модуль тренировки базовой станции 121 (например, диспетчер 268 нейронной сети базовой станции, модуль 270 тренировки) генерируют и/или поддерживают таблицу нейронной сети (например, таблицу 272 нейронной сети) с использованием любой комбинации математически сгенерированных обучающих данных, данных, извлеченных из передач реального мира, файлов и т.д. В различных реализациях, базовая станция 121 поддерживает множественные таблицы нейронных сетей, где каждая таблица нейронной сети включает в себя множественные конфигурации формирования нейронной сети и/или элементы конфигурации формирования нейронной сети для назначенной цели, например, первую таблицу нейронной сети, предназначенную для передач канала данных, вторую таблицу нейронной сети, предназначенную для передач канала управления и т.д.

[0138] На этапе 1310, базовая станция 121 передает таблицу нейронной сети на UE 110. В порядке одного примера, базовая станция передает таблицу нейронной сети с использованием обмена сообщениями слоя 3 (например, сообщениями управления радиоресурсами (RRC)). При передаче таблицы нейронной сети, базовая станция передает любую комбинацию конфигураций архитектуры и/или параметров, которую можно использовать для формирования глубокой нейронной сети, примеры которой приведены в этом изобретении. Альтернативно или дополнительно, базовая станция передает указание с таблицей нейронной сети, которая указывает назначение обработки для таблицы нейронной сети. Соответственно, базовая станция передает множественные таблицы нейронных сетей на UE, с соответствующим назначением обработки, указанным для каждой таблицы нейронной сети. В некоторых реализациях, базовая станция 121 широковещательно рассылает таблицу(ы) нейронной сети на группу UE. Альтернативно, базовая станция 121 передает назначенную UE таблицу нейронной сети на UE 110.

[0139] На этапе 1315, базовая станция 121 идентифицирует конфигурацию формирования нейронной сети для использования при обработке передач. Например, базовая станция определяет конфигурацию формирования нейронной сети для использования при обработке передач путем выбора комбинации элементов архитектуры формирования нейронной сети, например, описанного на этапе 705 фиг. 7, путем анализа любой комбинации информации, например, типа канала, обрабатываемого глубокой нейронной сетью (например, нисходящей линии связи, восходящей линии связи, данных, управления и т.д.), свойств среды передачи (например, измерений мощности, измерений отношения сигнала к помехе плюс шум (SINR), измерений указателя качества канала (CQI)), схем кодирования, возможностей UE, возможностей BS и т.д. Таким образом, в некоторых реализациях, базовая станция 121 идентифицирует конфигурацию формирования нейронной сети на основе приема различных метрик и/или параметров, например, описанной на этапе 815, 820 и 830 фиг. 8. В некоторых реализациях, базовая станция 121 идентифицирует принятую по умолчанию конфигурацию формирования нейронной сети для использования в качестве конфигурации формирования нейронной сети. Таким образом, идентификация конфигурации формирования нейронной сети может включать в себя идентификацию принятой по умолчанию конфигурации формирования нейронной сети и/или обновлений конфигурации формирования нейронной сети.

[0140] При идентификации конфигурации формирования нейронной сети базовая станция 121 находит в таблице нейронной сети конфигурацию формирования нейронной сети, которая соответствует определенной конфигурации формирования нейронной сети. Другими словами, базовая станция 121 идентифицирует конфигурацию формирования нейронной сети и/или элементы конфигурации формирования нейронной сети в таблице 272 нейронной сети и/или таблице 216 нейронной сети на фиг. 2, которые выравниваются с определенной конфигурацией формирования нейронной сети, например, путем коррелирования и/или согласования входных характеристик. При идентификации конфигурации формирования нейронной сети и/или элементы конфигурации формирования нейронной сети в таблице нейронной сети, базовая станция идентифицирует значение(я) индекса конфигурации формирования нейронной сети и/или элементов конфигурации формирования нейронной сети.

[0141] На этапе 1320, базовая станция 121 передает указание, которое предписывает UE 110 формировать глубокую нейронную сеть с использованием конфигурации формирования нейронной сети из таблицы нейронной сети. Например, аналогично описаны этапа 710 на фиг. 7 и/или этапа 840 на фиг. 8, базовая станция 121 передает значение(я) индекса на UE 110 и предписывает UE 110 формировать глубокую нейронную сеть с использованием конфигурации формирования нейронной сети, указанной значением(ями) индекса. Базовая станция может передавать указание на UE любым подходящим образом. В порядке одного примера, базовая станция передает значение(я) индекса, которое(ые) соответствует конфигурации формирования нейронной сети, с использованием сообщения слоя 2 (например, сообщения управления линией радиосвязи (RLC), элемента(ов) управления доступом к среде (MAC)). В некоторых реализациях, базовая станция сравнивает текущее операционное окружение (например, одно или более из условий канала, возможностей UE, возможностей BS, метрик) с входными характеристиками, хранящимися в таблице нейронной сети, и идентифицирует хранящиеся входные характеристики, выровненные с текущим операционным окружением. В свою очередь, базовая станция получает значение индекса хранящихся входных характеристик, которое, в свою очередь, обеспечивает значение индекса конфигурации формирования нейронной сети и/или элементов конфигурации формирования нейронной сети. Затем базовая станция 121 передает значение(я) индекса в качестве указания. Время от времени, базовая станция 121 включает в себя назначение обработки для указания позиции в цепи обработки для применения глубокой нейронной сети. В некоторых реализациях, базовая станция передает значение(я) индекса и/или назначение обработки с использованием канала управления нисходящей линии связи.

[0142] Время от времени, базовая станция передает на UE правило(а), указывающее рабочие параметры, связанные с применением конфигурации формирования нейронной сети. В одном примере, правила включают в себя момент времени, который указывает, когда обрабатывать передачи с помощью глубокой нейронной сети, сформированной с использованием конфигурации формирования нейронной сети. Альтернативно или дополнительно, правила указывают пороговое значение времени, которое предписывает UE использовать принятую по умолчанию конфигурацию формирования нейронной сети вместо указанной конфигурации формирования нейронной сети, когда канал данных и канал управления находятся в пределах порогового значения времени. Дополнительно или альтернативно, правило может предписывать пользовательскому оборудованию использовать одну и ту же конфигурацию формирования нейронной сети для передач канала данных и передач канала управления, когда канал данных и канал управления находятся в пределах порогового значения времени. Для иллюстрации, рассмотрим пример, в котором UE обрабатывает передачи канала данных с использованием первой глубокой нейронной сети (сформированной с использованием конфигурации формирования первой нейронной сети), и передачи канала управления с использованием второй глубокой нейронной сети (сформированной с использованием конфигурации формирования второй нейронной сети). Если передачи канала данных и передачи канала управления не выходят за пределы порогового значения времени, указанного моментом времени, UE обрабатывает оба канала с использованием принятой по умолчанию глубокой нейронной сети (сформированной с принятой по умолчанию конфигурацией формирования нейронной сети) и/или одной и той же глубокой нейронной сети, ввиду возможной недостаточности времени для переключения между первой глубокой нейронной сетью и второй глубокой нейронной сетью.

[0143] Время от времени, базовая станция указывает одному или нескольким UE принятую по умолчанию конфигурация формирования нейронной сети с использованием канала управления нисходящей линии связи для передачи принятой по умолчанию конфигурации формирования нейронной сети, где принятая по умолчанию конфигурация формирования нейронной сети формирует глубокую нейронную сеть, которая обрабатывает различные входные данные. В некоторых реализациях, принятая по умолчанию конфигурация формирования нейронной сети формирует глубокую нейронную сеть, которая обрабатывает различные входные данные с точностью в пороговом диапазоне. Принятая по умолчанию конфигурация формирования нейронной сети может включать в себя общую конфигурацию формирования нейронной сети.

[0144] Для иллюстрации, некоторые реализации генерируют или выбирают конфигурации формирования нейронной сети для конкретных условий эксплуатации, например, конфигурацию формирования первой нейронной сети, специфичную для обработки канала управления нисходящей линии связи UE (например, демодуляции и/или принятия решения) с текущим операционным окружением “X”, конфигурацию формирования второй нейронной сети, специфичную для обработки канала управления нисходящей линии связи UE с текущим операционным окружением “Y”, и т.д. Например, конфигурация формирования первой нейронной сети может коррелировать с текущим операционным окружением, где зарегистрирован высокий уровень помех, конфигурация формирования второй нейронной сети может коррелировать с текущим операционным окружением, где зарегистрирован низкий уровень помех, конфигурация формирования третьей нейронной сети может коррелировать с текущим операционным окружением, в котором соединенное UE выглядит неподвижным, конфигурация формирования четвертой нейронной сети может коррелировать с текущим операционным окружением, в котором соединенное UE выглядит движущимся и с конкретной скоростью, и т.д.

[0145] Формирование глубокой нейронной сети с использованием конфигурации формирования нейронной сети для конкретных условий эксплуатации повышает (относительно формирования глубокой нейронную сети с другими конфигурациями формирования нейронной сети) точность выходного сигнала, сгенерированного глубокой нейронной сетью при обработке входных данных в соответствии с конкретными условиями эксплуатации. Однако это предполагает компромисс, постольку поскольку глубокая нейронная сеть, сформированная с конфигурацией формирования нейронной сети для конкретных условий эксплуатации, генерирует выходной сигнал с меньшей точностью при обработке входного сигнала, связанного с другими условиями эксплуатации. Напротив, принятая по умолчанию конфигурация формирования нейронной сети соответствует конфигурации формирования нейронной сети, который обрабатывает более разнообразные входные сигналы, например, различные входные сигналы, которые охватывают более разнообразные условия эксплуатации. Другими словами, глубокая нейронная сеть, сконфигурированная принятой по умолчанию конфигурацией формирования нейронной сети, обрабатывает более разнообразные передачи в отношении конфигураций формирования нейронной сети, предназначенных для конкретных условий эксплуатации.

[0146] На этапе 1325, UE 110 формирует глубокую нейронную сеть с использованием конфигурации формирования нейронной сети. UE, в порядке одного примера, извлекает значение(я) индекса, передаваемое(ые) базовой станцией 121, и получает конфигурацию формирования нейронной сети и/или элементы конфигурации формирования нейронной сети, обращаясь к таблице нейронной сети с использованием значения(й) индекса. Альтернативно или дополнительно, UE 110 извлекает назначение обработки и формирует глубокую нейронную сеть в цепи обработки согласно назначению обработки.

[0147] На этапе 1330, базовая станция 121 передает передачи на UE 110, например передачи канала данных нисходящей линии связи. На этапе 1335, UE 110 обрабатывает передачи с использованием глубокой нейронной сети. Например, UE 110 обрабатывает передачи канала данных нисходящей линии связи с использованием глубокой нейронной сети для восстановления данных. В порядке другого примера, обработка передач включает в себя обработку ответа на передачи, где UE 110 обрабатывает, с использованием глубокой нейронной сети, передачи восходящей линии связи в ответ на передачи нисходящей линии связи.

[0148] Второй пример транзакций сигнализации и управления для передачи конфигураций формирования нейронной сети проиллюстрирован схемой 1400 транзакций сигнализации и управления, показанной на фиг. 14. Как показано, на этапе 1405 сервер 302 базовой сети поддерживает таблицу нейронной сети. Диспетчер 312 нейронной сети базовой сети и/или модуль 314 тренировки сервера 302 базовой сети, например, генерируют и/или поддерживают таблицу 316 нейронной сети с использованием любой комбинации математически сгенерированных обучающих данных, данных, извлеченных из передач реального мира, файлов и т.д. В различных реализациях, сервер 302 базовой сети поддерживает множественные таблицы нейронных сетей, где каждая таблица нейронной сети включает в себя множественные элементы конфигурации формирования нейронной сети для указанного назначения обработки (например, первую таблицу нейронной сети, предназначенную для передач канала данных, вторую таблицу нейронной сети, предназначенную для передач канала управления).

[0149] На этапе 1410, сервер 302 базовой сети передает таблицу нейронной сети на базовую станцию 121, например с использованием интерфейса 318 базовой сети, показанного на фиг. 3. В некоторых реализациях, сервер базовой сети передает множественные таблицы нейронных сетей на базовую станцию. На этапе 1415, базовая станция 121 передает таблицу нейронной сети на UE 110, например, путем передачи таблицы нейронной сети с использованием обмена сообщениями слоя 3, путем передачи таблицы нейронной сети с использованием канала управления нисходящей линии связи, путем широковещательной рассылки таблицы нейронной сети, путем передачи таблицы нейронной сети с использованием назначенного UE сообщения и т.д.

[0150] На этапе 1420, сервер 302 базовой сети выбирает конфигурацию формирования нейронной сети. В порядке одного примера, сервер 302 базовой сети сравнивает текущее операционное окружение с входными характеристиками, хранящимися в таблице нейронной сети, и идентифицирует хранящиеся входные характеристики, выровненные с текущим операционным окружением (например, одно или более из условий канала, возможностей UE, возможностей BS, метрик). Затем сервер базовой сети получает значение(я) индекса выровненных входных характеристик, которое(ые), в свою очередь, обеспечивает значение(я) индекса конфигурации формирования нейронной сети и/или элементов конфигурации формирования нейронной сети. Затем сервер 302 базовой сети передает выбранную конфигурацию формирования нейронной сети на базовую станцию на этапе 1425, например, путем передачи значения(ий) индекса с использованием интерфейса 318 базовой сети. В некоторых реализациях, сервер базовой сети передает назначение обработки с конфигурацией формирования нейронной сети.

[0151] На этапе 1430, базовая станция 121 пересылает конфигурацию формирования нейронной сети на UE 110. В порядке примера, базовая станция 121 передает значение(я) индекса на UE 110, например, посредством обмена сообщениями слоя 2 (например, сообщения RLC, элемента(ов) управления MAC), для предписания UE формировать глубокую нейронную сеть с использованием конфигурации формирования нейронной сети, например, описанной в связи с этапом 1320 на фиг. 13. В реализациях, базовая станция 121 дополнительно формирует дополняющую глубокую нейронную сеть на основе конфигурации формирования нейронной сети (здесь не показана), например, описанной в связи с фиг. 6, этапом 720 на фиг. 7, этапом 845 на фиг. 8 и/или этапом 920 на фиг. 9-1. Время от времени, базовая станция передает назначение обработки, принятое от сервера базовой сети, со значением индекса. В ответ на прием конфигурации формирования нейронной сети, UE 110 формирует глубокую нейронную сеть на этапе 1435 и обрабатывает передачи, принимаемые от базовой станции 121, с использованием глубокой нейронной сети на этапе 1440, например, описанной в связи с этапом 725 на фиг. 7, этапом 810 на фиг. 8, этапом 935 на фиг. 9 и/или 1335 на фиг. 13.

[0152] В некоторых реализациях, UE выводит конфигурацию формирования первой нейронной сети из конфигурации формирования второй нейронной сети, при наличии аналогий в системе беспроводной связи. Для иллюстрации, рассмотрим пример квази-соответствующих каналов. Квази-соответствующие каналы это каналы в системе беспроводной связи, имеющие совместно используемые или одинаковые свойства, например, одно и то же расширение задержки, один и тот же доплеровский разброс, одну и ту же пространственную сигнатуру, один и тот же пространственный луч, одно и то же пространственное направление, одну и ту же скорость передачи данных и т.д. Альтернативно или дополнительно, квази-соответствующие каналы имеют коррелирующие физический свойства в пороговом диапазоне или значении. В различных реализациях, UE выводит конфигурацию формирования первой нейронной сети из конфигурации формирования второй нейронной сети в ответ на идентификацию этих аналогий.

[0153] Для иллюстрации, рассмотрим теперь третий пример транзакций сигнализации и управления для передачи конфигураций формирования нейронной сети, проиллюстрированный на фиг. 15 схемой 1500 транзакций сигнализации и управления. В третьем примере, UE выводит конфигурацию формирования нейронной сети на основе идентифицированных аналогий. Хотя схема 1500 транзакций сигнализации и управления демонстрирует базовую станцию 121 и UE 110, показанные на фиг. 1, альтернативные реализации включают в себя сервер базовой сети, например, сервер 302 базовой сети, показанный на фиг. 3, осуществляющий некоторые или все из функций, осуществляемых базовой станцией 121.

[0154] На этапе 1505, базовая станция 121 идентифицирует два или более каналов, которые являются квази-соответствующими каналами. Базовая станция 121 или сервер 302 базовой сети (использующий диспетчер 268 нейронной сети базовой станции, показанный на фиг. 2, или диспетчер 312 нейронной сети базовой сети, показанный на фиг. 3), например, сравнивает различные лучевые свойства двух или более каналов, например, направление, интенсивность, расхождение, профиль, качество и т.д. Базовая станция 121 определяет, что два или более каналов являются квази-соответствующими, когда произвольное количество свойств совпадает и/или коррелирует друг с другом в пределах заранее заданного порога.

[0155] На этапе 1510, базовая станция 121 передает указание квази-соответствующих каналов на UE 110, например, путем передачи указания квази-соответствующих каналов с использованием обмена сообщениями слоя 2, обмена сообщениями слоя 3 и/или сигнализации слоя 1. Указание означает любое произвольное количество каналов как квази-соответствующих друг другу, где каналы могут быть физическими каналами и/или логическими каналами. В порядке одного примера, указание означает, что канал управления нисходящей линии связи является квази-соответствующим с каналом данных нисходящей линии связи, когда каналы имеют аналогичные скорости передачи данных. В порядке другого примера, указание означает, что два физических канала на разных несущих частотах являются квази-соответствующими на основе физических каналов, имеющих аналогичный пространственный луч.

[0156] На этапе 1515, базовая станция 121 передает указание конфигурации формирования нейронной сети для одного из квази-соответствующих каналов. Например, базовая станция передает значение(я) индекса и назначение обработки, которое указывает сформированную глубокую нейронную сеть для обработки первого канала, например, канала управления нисходящей линии связи.

[0157] На этапе 1520, UE 110 формирует первую глубокую нейронную сеть с использованием конфигурации формирования нейронной сети для первого канала (например, канала управления нисходящей линии связи). На этапе 1525, UE 110 идентифицирует первый канал как один из квази-соответствующих каналов. UE, например, сравнивает первый канал с квази-соответствующими каналами, идентифицированными базовой станцией 121 и принятой от нее. В ответ на идентификацию первого канала как одного из квази-соответствующих каналов, UE принимает решение применять конфигурацию формирования нейронной сети к другим каналам, которые являются квази-соответствующими первому каналу. Соответственно, на этапе 1530, UE 110 формирует глубокие нейронные сети для других квази-соответствующих каналов с использованием конфигурации формирования нейронной сети. Благодаря идентификации каналов как квази-соответствующих каналов, конфигурацию формирования нейронной сети нужно изменять только для одного из квази-соответствующих каналов, и это приведет к тому, что конфигурация формирования нейронной сети будет изменяться для всех квази-соответствующих каналов без необходимости изменять по отдельности конфигурацию формирования нейронной сети для каждого из других квази-соответствующих каналов.

[0158] Описав транзакции сигнализации и управления, которые можно использовать для передачи конфигураций формирования нейронной сети, рассмотрим теперь иллюстративное окружение, которое можно использовать для передачи конфигураций формирования нейронной сети с использованием набора претендующих конфигураций формирования нейронной сети, которые соответствуют одной или более реализациям.

Передача набора претендующих конфигураций формирования нейронной сети

[0159] В некоторых реализациях, сетевая сущность передает на UE набор элементов претендующей конфигурации формирования NN, и UE выбирает одну конфигурация формирования NN из набора элементов претендующей конфигурации формирования NN. Для иллюстрации, рассмотрим фиг. 16-1 и 16-2, которые демонстрируют иллюстративное окружение 1600 для передачи конфигураций формирования нейронной сети с использованием набора претендующих элементов конфигурации формирования нейронной сети. Фиг. 16-1 и 16-2 демонстрируют иллюстративное окружение 1600 в разные моменты времени, обозначенные как окружение 1600-1, окружение 1600-2, окружение 1600-3 и окружение 1600-4, соответственно. Таким образом, окружение 1600-1, окружение 1600-2, окружение 1600-3 и окружение 1600-4, совместно представляют окружение 1600 с развитием событий.

[0160] В окружении 1600-1, диспетчер 268 нейронной сети базовой станции для базовой станции 121 выбирает по меньшей мере один набор элементов претендующей конфигурации формирования NN из таблицы 1212 нейронной сети, показанной на фиг. 12. Например, диспетчер 268 нейронной сети базовой станции принимает различные метрики, параметры и/или другие типы обратной связи, например, как описано со ссылкой на этапы 815 и на 825, показанные на фиг. 8. Затем диспетчер 268 нейронной сети базовой станции анализирует таблицу 1212 нейронной сети для идентификации элементов конфигурации формирования NN, которые выравниваются с обратной связью, корректируют проблемы, идентифицированные обратной связью и т.д.

[0161] В реализациях, диспетчер нейронной сети базовой станции идентифицирует множественные наборы элементов конфигурации формирования NN, например, путем идентификации конфигураций формирования NN с входными характеристиками, которые заключены в пороговом диапазоне. В окружении 1600-1, диспетчер 268 нейронной сети базовой станции идентифицирует и выбирает три набора элементов конфигурации формирования NN: набор 1602 элементов конфигурации формирования NN, набор 1604 элементов конфигурации формирования NN и набор 1606 элементов конфигурации формирования NN. В некоторых реализациях, каждый набор элементов конфигурации формирования NN соответствует соответствующей конфигурации формирования NN.

[0162] В окружении 1600-1, набор 1602 элементов конфигурации формирования NN включает в себя значения 1608, 1610 и 1612 индекса, набор 1604 элементов конфигурации формирования NN включает в себя значения 1614, 1616 и 1618 индекса, и набор 1606 элементов конфигурации формирования NN включает в себя значения 1620, 1622 и 1624 индекса. Хотя окружение 1600-1 демонстрирует диспетчер 268 нейронной сети базовой станции для базовой станции 121, выбирающей наборы элементов претендующей конфигурации формирования NN, альтернативные реализации выбирают набор элементов претендующей конфигурации формирования NN с использованием диспетчера 312 нейронной сети базовой сети сервера 302 базовой сети или оба. Альтернативно или дополнительно, диспетчер нейронной сети базовой станции и/или диспетчер нейронной сети базовой сети выбирают одно значение индекса, которое отображается в группировку элементов конфигурации формирования NN.

[0163] В окружении 1600-2, базовая станция 121 передает, на UE 110, указание 1608, которое ссылается на каждый набор элементов претендующей конфигурации формирования NN (например, набор 1602 элементов конфигурации формирования NN, набор 1604 элементов конфигурации формирования NN, набор 1606 элементов конфигурации формирования NN). Например, указание включает в себя значения 1608, 1610, 1612, 1614, 1616, 1618, 1620, 1622 и 1624 индекса для передачи трех наборов элементов претендующей конфигурации формирования NN на UE 110. Альтернативно или дополнительно, указание включает в себя предписания выбирать конфигурацию формирования NN из набора претендующих конфигураций формирования NN. Хотя окружение 1600-1 и окружение 1600-2 демонстрируют наборы элементов конфигурации формирования NN, соответствующих претендующей конфигурации формирования NN, альтернативные реализации выбирают единый индекс для каждой претендующей конфигурации формирования NN, которая отображается в группировку элементов, как описано ниже.

[0164] В окружении 1600-3 на фиг. 16-2, диспетчер 218 нейронной сети UE для UE 110 анализирует наборы элементов претендующей конфигурации формирования NN для определения, какой из наборов использовать для обработки конкретных передач (например, для обработки передаваемых передач, для обработки принимаемых передач). В одном примере, диспетчер нейронной сети UE формирует первую претендующую глубокую нейронную сеть 1628 (претендующую DNN 1628) на основе набора NN 1602 элементов конфигурации формирования первой (например, значений 1608, 1610, 1612 индекса), вторую претендующую глубокую нейронную сеть 1630 (претендующую DNN 1630) на основе набора 1604 элементов конфигурации формирования второй NN (например, значений 1608, 1610, 1612 индекса), третью претендующую глубокую нейронную сеть 1632 (претендующую DNN 1632) на основе набора 1606 элементов конфигурации формирования третей NN (например, значений 1614, 1616, 1618 индекса) и т.д. Другими словами, диспетчер 218 нейронной сети UE получает каждую конфигурацию формирования NN из таблицы нейронной сети (например, таблицу 216 нейронной сети) с использованием значений индекса, и формирует по меньшей мере одну претендующую глубокую нейронную сеть с использованием набора элементов претендующей конфигурации формирования NN.

[0165] Затем диспетчер 218 нейронной сети UE получает одну или более метрик, связанных с набором претендующих глубоких нейронных сетей и выбирает конфигурацию формирования нейронной сети на основе одной или более метрик. Некоторые реализации получают соответствующую метрику ошибок для каждой претендующей конфигурации формирования нейронной сети из набора претендующих конфигураций формирования нейронной сети для генерации набора метрик ошибок. Затем диспетчер нейронной сети UE сравнивает каждую метрику ошибок из набора метрик ошибок с пороговым значением, и выбирает конфигурацию формирования нейронной сети на основе набора метрик ошибок. Для иллюстрации, диспетчер нейронной сети UE, в некоторых примерах, идентифицирует конкретную метрику ошибок (например, проходы CRC) в наборе метрик ошибок, который указывает меньшую ошибку по сравнению с другими метриками ошибок в наборе метрик ошибок, и выбирает, в качестве конфигурации формирования нейронной сети, конкретную претендующую конфигурацию формирования нейронной сети, из набора претендующих конфигураций формирования нейронной сети, который соответствует конкретной метрике ошибок. В иллюстративной реализации, диспетчер 218 нейронной сети UE анализирует каждую претендующую DNN, например, обеспечивая известный вход 1634 в каждую претендующую DNN и сравнивая соответствующие выходные сигналы из каждой претендующей глубокой нейронной сети (например, выход 1636, выход 1638, выход 1640). Альтернативно или дополнительно, диспетчер нейронной сети UE обеспечивает другие типы входа, примеры которых приведены здесь.

[0166] Для иллюстрации, рассмотрим пример, в котором каждая претендующая DNN соответствует генерированию передач передатчика. Диспетчер нейронной сети UE может сравнивать различные метрики передачи выхода 1636, выхода 1638, выхода 1640, например, выходной уровень мощности, метрики качества модуляции, метрики интермодуляционных составляющих и т.д. В порядке другого примера, рассмотрим сценарий, в котором каждая претендующая DNN соответствует обработке передач приемника. Затем диспетчер нейронной сети UE может сравнивать различные метрики приемника выхода 1636, выхода 1638, выхода 1640, например, CRC, отношение сигнал-шум (SNR), метрики соседнего/альтернативного канала, BER, метрики межсимвольных помех (ISI) и т.д. Затем диспетчер 218 нейронной сети UE выбирает одну из претендующих конфигураций формирования нейронной сети на основе анализа.

[0167] В окружении 1600-4, UE 110 обрабатывает передачи 1642 с использованием глубокой нейронной сети 1644 (DNN 1644), сформированной с выбранной претендующей конфигурацией формирования нейронной сети. В окружении 1600-4, DNN (которая соответствует претендующей DNN 1632) обрабатывает передачи нисходящей линии связи, принимаемые от базовой станции 121, но в альтернативных реализациях, DNN 1644 обрабатывает передачи восходящей линии связи, например, генерируя передаваемые передачи, которые UE 110 передает на базовую станцию 121.

[0168] Рассмотрим теперь фиг. 17, где показан четвертый пример транзакций сигнализации и управления для передачи конфигураций формирования нейронной сети, обозначенный на фиг. 17 схемой 1700 транзакций сигнализации и управления. В четвертом примере, базовая станция (например, любая из базовых станций 120) снабжает UE множественными претендующими конфигурациями формирования нейронной сети, и UE выбирает одну из претендующих конфигураций формирования нейронной сети для формирования глубокой нейронной сети, которая обрабатывает передачи. Хотя схема 1700 транзакций сигнализации и управления демонстрирует базовую станцию 121 и UE 110 на фиг. 1, альтернативные реализации включают в себя сервер базовой сети, например, сервер 302 базовой сети, показанный на фиг. 3, осуществляющий некоторые или все из функций, осуществляемых базовой станцией 121.

[0169] На этапе 1705, базовая станция 121 определяет набор претендующих конфигураций формирования нейронной сети. Например, базовая станция 121 или сервер 302 базовой сети (использующий диспетчер 268 нейронной сети базовой станции, показанный на фиг. 2, или диспетчер 312 нейронной сети базовой сети, показанный на фиг. 3) анализирует таблицу нейронной сети для идентификации претендующих конфигураций формирования нейронной сети (например, наборов элементов конфигурации формирования нейронной сети), связанных с входными характеристиками в пределах указанного диапазона и/или порога. Для иллюстрации, базовая станция анализирует входные характеристики для идентификации претендующих конфигураций формирования нейронной сети с условиями эксплуатации в пределах “X” +/- пороговое значение. При идентификации претендующих конфигураций формирования нейронной сети, базовая станция, альтернативно или дополнительно, идентифицирует значение индекса каждого претендующего элемента конфигурации формирования нейронной сети, выбранного для соответствующей претендующей конфигурации формирования нейронной сети, например, описанной со ссылкой на окружение 1600-1, показанное на фиг. 16-1 (например, набор 1602 элементов конфигурации формирования NN, набор 1604 элементов конфигурации формирования NN, набор 1606 элементов конфигурации формирования NN).

[0170] На этапе 1710, базовая станция 121 передает указание набора претендующих конфигураций формирования нейронной сети на UE 110. Например, со ссылкой на окружение 1600-2, показанное на фиг. 16-1, базовая станция передает на UE каждое значение индекса, связанное с набором претендующих конфигураций формирования нейронной сети (например, набором значений индекса, соответствующим набору конфигураций формирования нейронной сети и/или элементов конфигурации). В ряде случаев, базовая станция передает значения индекса в едином сообщении, тогда как в других случаях, базовая станция передает каждое значение индекса в соответствующем сообщении.

[0171] На этапе 1715, UE 110 анализирует набор претендующих конфигураций формирования нейронной сети на основе передач, передаваемых по системе беспроводной связи, например, передач, передаваемых базовой станцией 121. В некоторых реализациях, UE 110 обрабатывает передачи путем формирования соответствующей глубокой нейронной сети с каждой претендующей конфигурации формирования нейронной сети и обработки передач с каждой соответствующей глубокой нейронной сетью, например, путем извлечения соответствующих элементов конфигурации формирования NN из таблицы нейронной сети. В порядке одного примера, UE осуществляет слепую идентификацию конфигурации формирования нейронной сети посредством обработки передач с использованием каждого из соответствующих глубоких нейронных сетей в попытке декодировать предполагаемые шаблоны данных в передачах, например, описанных со ссылкой на окружение 1600-3, показанное на фиг. 16-2. Затем UE анализирует каждую соответствующую глубокую нейронную сеть, например, путем анализа выходных сигналов каждой соответствующей глубокой нейронной сети и генерирования соответствующей(их) метрики (например, точности, коэффициента ошибочных битов и т.д.).

[0172] На этапе 1720, UE 110 выбирает претендующую конфигурацию формирования нейронной сети из набора претендующих конфигураций формирования нейронной сети. Например, UE выбирает претендующую конфигурацию формирования нейронной сети, которая формирует соответствующую глубокую нейронную сеть, которая декодирует предполагаемый шаблон данных с наименьшим коэффициентом ошибочных битов относительно других претендующих конфигураций формирования нейронной сети. На этапе 1725, UE 110 формирует глубокую нейронную сеть с использованием выбранной претендующей конфигурации формирования нейронной сети и обрабатывает передачи с помощью глубокой нейронной сети, например, описанной со ссылкой на окружение 1600-4, показанное на фиг. 16-2.

[0173] Описав иллюстративное окружение и транзакции сигнализации и управления, которые можно использовать для передачи конфигураций формирования нейронной сети с использованием набора претендующих конфигураций формирования нейронной сети, рассмотрим теперь некоторые иллюстративные способы, которые соответствуют одной или более реализациям.

Иллюстративные способы

[0174] Иллюстративные способы 1800 и 1900 описаны со ссылкой на фиг. 18 и фиг. 19 в соответствии с одним или более аспектами передачи конфигураций формирования нейронной сети. Порядок, в котором описаны блоки способа, не следует рассматривать как ограничение, и любое количество описанных блоков способа можно пропустить или комбинировать в любом порядке для реализации способа или альтернативного способа. В общем случае, любой из описанных здесь компонентов, модулей, способов и операций можно реализовать с использованием программного обеспечения, программно-аппаратного обеспечения, оборудования (например, фиксированной логической схемы), ручной обработки или любой их комбинации. Некоторые операции иллюстративных способов можно описать в общем контексте исполнимых инструкций, хранящихся в компьютерно-считываемом запоминающем устройстве, локальном и/или удаленном по отношению к компьютерной системе обработки, и реализации могут включать в себя прикладные программы, программы, функции и пр. Альтернативно или дополнительно, любая из описанных здесь функций может осуществляться, по меньшей мере частично, одним или более компонентами аппаратной логики, например, и без ограничения, вентильными матрицами, программируемыми пользователем (FPGA), специализированными интегральными схемами (ASIC), специализированными стандартными продуктами (ASSP), однокристальными системами (SoC), сложными программируемыми логическими устройствами (CPLD) и пр.

[0175] Фиг. 18 демонстрирует иллюстративный способ 1800 передачи конфигурации формирования нейронной сети для обработки передач, передаваемых по системе беспроводной связи. В некоторых реализациях, операции способа 1800 осуществляются сетевой сущностью, например, одной из базовых станций 120 и/или сервером 302 базовой сети.

[0176] На этапе 1805, сетевая сущность передает таблицу нейронной сети, которая включает в себя множество элементов конфигурации формирования нейронной сети, где каждый элемент конфигурации формирования нейронной сети из множества элементов конфигурации формирования нейронной сети конфигурирует по меньшей мере часть глубокой нейронной сети для обработки передач, передаваемых по системе беспроводной связи. Например, сетевая сущность (например, базовая станция 121) передает таблицу нейронной сети (например, таблицу 272 нейронной сети, таблицу 316 нейронной сети) на UE (например, UE 110) с использованием широковещательного или многоадресного сообщения на группу UE. В порядке другого примера, сетевая сущность (например, базовая станция 121) передает таблицу нейронной сети на UE (например, UE 110) с использованием назначенного UE сообщения. В некоторых реализациях, сетевая сущность (например, сервер 302 базовой сети) передает таблицу нейронной сети на базовую станцию (например, базовую станцию 121), и предписывает базовой станции передавать таблицу нейронной сети на UE (например, UE 110). Время от времени сетевая сущность передает таблицу нейронной сети с использованием обмена сообщениями слоя 3. Альтернативно или дополнительно, сетевая сущность передает множественные таблицы нейронных сетей, где в каждой таблице нейронной сети указано назначение обработки, как описано ниже.

[0177] На этапе 1810, сетевая сущность выбирает один или более элементов конфигурации формирования нейронной сети из множества элементов конфигурации формирования нейронной сети для создания конфигурации формирования нейронной сети. Например, сетевая сущность (например, базовая станция 121, сервер 302 базовой сети) выбирает элементы конфигурации формирования нейронной сети, сравнивая текущее операционное окружение(я) с входными характеристиками, хранящимися в таблице нейронной сети, и выбирая элементы конфигурации формирования нейронной сети путем коррелирования или согласования входных характеристик с текущим операционным окружением. В некоторых реализациях, сетевая сущность выбирает набор претендующих конфигураций формирования нейронной сети.

[0178] На этапе 1815, сетевая сущность передает указание на пользовательское оборудование для предписания пользовательскому оборудованию формировать глубокую нейронную сеть с использованием конфигурации формирования нейронной сети и обрабатывать передачи с использованием глубокой нейронной сети. В порядке одного примера, сетевая сущность (например, базовая станция 121) определяет значение(я) индекса таблицы нейронной сети, которое(ые) соответствует(ют) конфигурации формирования нейронной сети и/или набору элементов конфигурации формирования нейронной сети, и передает значение(я) индекса на UE 110, например, путем передачи значения(ий) индекса с использованием канала управления нисходящей линии связи, путем передачи значения(ий) индекса в сообщении слоя 2 и т.д. В порядке другого примера, сетевая сущность (например, сервер 302 базовой сети) передает указание на базовую станцию (например, базовую станцию 121) и предписывает базовой станции передавать указание на пользовательское оборудование (например, UE 110). Альтернативно или дополнительно, сетевая сущность указывает назначение обработки для глубокой нейронной сети, сформированной с конфигурацией формирования нейронной сети, например, путем указания назначения обработки, которое предписывает пользовательскому оборудованию для обработки передач канала управления нисходящей линии связи с помощью глубокой нейронной сети. В некоторых реализациях, сетевая сущность указывает набор претендующих конфигураций формирования нейронной сети, например, описанных со ссылкой на фиг. 16-1 и 16-2.

[0179] При передаче значения(й) индекса, сетевая сущность иногда указывает правило(а), когда обрабатывать передачи соответствующей глубокой нейронной сетью. В порядке одного примера, сетевая сущность (например, базовая станция 121, сервер 302 базовой сети) определяет пороговое значение времени между передачи канала данных и передачи канала управления. При передаче значения индекса для предписания пользовательскому оборудованию (например, UE 110) формировать глубокую нейронную сеть, сетевая сущность передает пороговое значение времени и правило, которое предписывает пользовательскому оборудованию формировать глубокую нейронную сеть с использованием принятой по умолчанию конфигурации формирования, когда время между передачами канала данных и передачами канала управления ниже порогового значения времени. Дополнительно или альтернативно, правило может предписывать пользовательскому оборудованию использовать одну и ту же конфигурацию формирования нейронной сети для передач канала данных и передач канала управления, когда канал данных и канал управления находятся в пределах порогового значения времени, и поэтому времени недостаточно для переключения между разными DNN.

[0180] Фиг. 19 демонстрирует иллюстративный способ 1900 передачи конфигурации формирования нейронной сети для обработки передач, передаваемых по системе беспроводной связи, например, посредством обработки набора претендующих конфигураций формирования нейронной сети и выбора конкретной претендующей конфигурации формирования нейронной сети, как описано со ссылкой на фиг. 17. В некоторых реализациях, операции способа 1900 осуществляются пользовательским оборудованием, например UE 110.

[0181] На этапе 1905, пользовательское оборудование принимает таблицу нейронной сети, которая включает в себя множество элементов конфигурации формирования нейронной сети, которые дают пользовательскому оборудованию возможность конфигурировать глубокую нейронную сеть для обработки передач, передаваемых по системе беспроводной связи. Пользовательское оборудование (например, UE 110), например, принимает таблицу нейронной сети (например, таблицу 272 нейронной сети) от базовой станции (например, базовой станции 121) в процессе обмена сообщениями слоя 3. В порядке другого примера, пользовательское оборудование принимает таблицу нейронной сети в многоадресном или широковещательном сообщении. Альтернативно или дополнительно, пользовательское оборудование принимает таблицу нейронной сети в назначенном UE сообщении. В ряде случаев, пользовательское оборудование принимает множественные таблицы нейронных сетей, где в каждой таблице нейронной сети указано назначение обработки.

[0182] На этапе 1910, пользовательское оборудование принимает сообщение, которое предписывает пользовательскому оборудованию формировать глубокую нейронную сеть с использованием конфигурации формирования нейронной сети на основе одного или более элементов конфигурации формирования нейронной сети во множестве элементов конфигурации формирования нейронной сети. Например, пользовательское оборудование (например, UE 110) принимает, в сообщении, набор значений индекса в таблицу нейронной сети, где набор значений индекса соответствует набору претендующих конфигураций формирования нейронной сети и/или элементов конфигурации, например, передачи 1626 в окружении 1600-2 на фиг. 16-1, указания, передаваемого базовой станцией 121 на этапе 1710, показанном на фиг. 17, и т.д. В реализациях, пользовательское оборудование (например, UE 110) принимает сообщение канала управления нисходящей линии связи, которое включает в себя значение(я) индекса, соответствующее(ие) записи (или записям) в таблице нейронной сети. В некоторых реализациях, сообщение включает в себя указание назначения обработки для глубокой нейронной сети, сформированной с конфигурацией формирования нейронной сети, например, назначением обработки канала связи, назначения обработки цепи обработки и т.д.

[0183] На этапе 1915, пользовательское оборудование формирует глубокую нейронную сеть с конфигурацией формирования нейронной сети, обращаясь к таблице нейронной сети для получения элементов конфигурации формирования нейронной сети. В одном примере, пользовательское оборудование (например, UE 110) обращается к таблице нейронной сети с использованием значения(й) индекса. Альтернативно или дополнительно, пользовательское оборудование получает набор претендующих конфигураций формирования нейронной сети, обращаясь к таблице нейронной сети с использованием наборов значений индекса, и формирует претендующие глубокие нейронные сети с использованием каждой претендующей конфигурации формирования нейронной сети, например, описанной со ссылкой на окружение 1600-2 на фиг. 16-1 и окружение 1600-3 на фиг. 16-2. UE 110, например, формирует соответствующую претендующую глубокую нейронную сеть с использованием каждой претендующей конфигурации формирования нейронной сети и/или элементов конфигурации и обрабатывает передачи с каждой претендующей соответствующей глубокой нейронной сети для получения соответствующих метрик для каждой претендующей глубокой нейронной сети согласно описанию этапа 1715 на фиг. 17, и выбирает конфигурацию формирования нейронной сети на основе одной или более метрик, например, описанных со ссылкой на этап 1720 на фиг. 17.

[0184] В порядке одного примера, пользовательское оборудование (например, UE 110) получает метрику ошибок для каждой претендующей конфигурации формирования нейронной сети из набора претендующих конфигураций формирования нейронной сети для генерации набора метрик ошибок, например, метрики CRC. Пользовательское оборудование сравнивает каждую метрику CRC из набора метрик CRC с пороговым значением. В свою очередь, пользовательское оборудование идентифицирует конкретную метрику CRC в наборе метрик CRC, которая превышает пороговое значение, и выбирает, в качестве конфигурации формирования нейронной сети, конкретную претендующую конфигурацию формирования нейронной сети, из набора претендующих конфигураций формирования нейронной сети, который соответствует конкретной метрикой CRC. Хотя описана метрика CRC, можно также использовать другие метрики ошибок, например, BER, ARQ, HARQ, частоту ошибочных кадров (FER) и т.д.

[0185] В некоторых реализациях, при формировании глубокой нейронную сети, пользовательское оборудование (например, UE 110) принимает решение обрабатывать первый канал связи с использованием первой глубокой нейронной сети, сформированной с конфигурацией формирования нейронной сети, и идентифицирует второй канал связи, который является квази-соответствующим первому каналу связи. В случае идентификации второго канала связи как квази-соответствующего, пользовательское оборудование (например, UE 110) принимает решение обрабатывать второй канал связи с использованием второй глубокой нейронной сети, сформированной с конфигурацией формирования нейронной сети.

[0186] В ответ на формирование глубокой нейронной сети, пользовательское оборудование обрабатывает передачи, передаваемые по системе беспроводной связи с использованием глубокой нейронной сети на этапе 1920. Например, пользовательское оборудование (например, UE 110), обрабатывает канал связи нисходящей линии связи с использованием глубокой нейронной сети.

[0187] Описав иллюстративные способы, которые можно использовать для передачи конфигураций формирования нейронной сети с использованием набора претендующих конфигураций формирования нейронной сети, рассмотрим теперь обратной связи по конфигурации формирования нейронной сети для беспроводных передач, которые соответствуют одной или более реализациям.

Обратная связь по конфигурации формирования нейронной сети для беспроводных передач

[0188] В реализациях, устройства обмениваются опорными сигналами для измерения, насколько хорошо различные глубокие нейронные сети осуществляются в текущем операционном окружении. Для иллюстрации, базовая станция передает опорный сигнал на UE, где UE предполагает, что опорный сигнал имеет конкретные свойства (например, несущую частоту, полосу частот, уровень мощности и т.д.). Приняв опорный сигнал, UE измеряет, как принимаемый опорный сигнал отклоняется от предполагаемого (идеального) опорного сигнала в качестве способа определения, как окружение передачи влияет на опорный сигнал. Затем эту информация можно использовать для регулировки других передач, распространяющихся через окружение передачи для компенсации неблагоприятных эффектов, идентифицированных посредством измерений. Различные реализации обрабатывают опорные сигналы глубокой нейронной сети, отправленные на физическом канале, с использованием глубоких нейронных сетей, измеряют производительность каждой глубокой нейронной сети и выбирают конфигурацию формирования нейронной сети для формирования глубокой нейронной сети, которая обрабатывает передачи, передаваемые по системе беспроводной связи. Далее, будут описаны аспекты этапов, осуществляемых базовой станцией. Однако очевидно, что аспекты могут быть реализованы сетевыми сущностями, которые действуют в системе беспроводной связи, отличными от базовой станции (например, сервером базовой сети).

[0189] Для демонстрации, рассмотрим фиг. 20-1 и 20-2, которые демонстрируют иллюстративное окружение 2000 для выбора конфигурации формирования нейронной сети с использованием опорных сигналов. Фиг. 20-1 и 20-2 демонстрируют иллюстративное окружение 2000 в разные моменты времени, обозначенные как окружение 2000-1, окружение 2000-2, окружение 2000-3 и окружение 2000-4, соответственно. Таким образом, окружение 2000-1, окружение 2000-2, окружение 2000-3 и окружение 2000-4 совместно представляют окружение 2000 с развитием событий.

[0190] В окружении 2000-1, диспетчер 268 нейронной сети базовой станции для базовой станции 120 выбирает набор 2002 опорных сигналов глубокой нейронной сети нисходящей линии связи (DL-DNN-RS) для отправки на физическом канале и набор 2004 конфигураций формирования нейронной сети (конфигураций формирования NN). В порядке одного примера, диспетчер 268 нейронной сети базовой станции анализирует текущее операционное окружение и выбирает набор DL-DNN-RS на основе свойств опорных сигналов, такой несущей частоты, полосы частот, продолжительности времени и т.д. Для иллюстрации, диспетчер 268 нейронной сети базовой станции выбирает набор DL-DNN-RS путем выбора опорных сигналов, которые имеют свойства сигнала, которые вносят вклад в успешную передачу информации в текущем операционном окружении. Например, как описано со ссылкой на этапы 815, 820 и 825, показанных на фиг. 8, базовая станция и/или пользовательское оборудование генерировать метрики, которые указывают текущее операционное окружение. В свою очередь, базовая станция 120 использует эти метрики для определения набора опорных сигналов глубокой нейронной сети.

[0191] Для иллюстрации, DL-DNN-RS 2006 соответствует опорному сигналу, обладающему свойствами 2008, DL-DNN-RS 2010 соответствует опорному сигналу, обладающему свойствами 2012, DL-DNN-RS 2014 соответствует опорному сигналу, обладающему свойствами 2016 и т.д. Хотя свойства 2008, свойства 2012 и свойства 2016 проиллюстрированы как временные и частотные свойства, могут передаваться альтернативные свойства. Альтернативно или дополнительно, диспетчер нейронной сети базовой станции выбирает единый DL-DNN-RS и передает изменения единого DL-DNN-RS посредством обработки опорного сигнала с использованием изменчивости глубоких нейронных сетей, сконфигурированных разными конфигурациями формирования NN. Для наглядности, набор 2002 демонстрирует три опорных сигнала глубокой нейронной сети нисходящей линии связи, выбранных для отправки на физическом канале, но очевидно, что можно выбирать любое количество опорных сигналов.

[0192] Диспетчер 268 нейронной сети базовой станции Альтернативно или дополнительно выбирает набор конфигураций формирования нейронной сети 2004 на основе текущего операционного окружения, например, описанного со ссылкой на фиг. 4, фиг. 12, фиг. 13 и/или фиг. 16-1. Например, диспетчер 268 нейронной сети базовой станции принимает различные метрики, параметры и/или другие типы обратной связи от UE (не показаны), например, как описано со ссылкой на этапы 815 и на 825, показанные на фиг. 8. Затем диспетчер 268 нейронной сети базовой станции анализирует таблицу нейронной сети (например, таблицу 272 нейронной сети) для идентификации элементов конфигурации формирования NN, которые выравниваются с обратной связью, корректируют проблемы, идентифицированные обратной связью и т.д. Для иллюстрации, в наборе 2004, конфигурация 2018 формирования NN может использоваться для формирования DNN 2020, конфигурация 2022 формирования NN может использоваться для формирования DNN 2024, конфигурация 2026 формирования NN может использоваться для формирования DNN 2028 и т.д. Для наглядности, набор 2004 демонстрирует три конфигурации формирования NN, но очевидно, что любое количество конфигураций формирования NN можно выбирать.

[0193] В некоторых реализациях, диспетчер 268 нейронной сети базовой станции выбирает каждую конфигурацию формирования NN, включенную в набор 2004 на основе соответствующего DL-DNN-RS. Например, со ссылкой на окружение 2000-1, диспетчер 268 нейронной сети базовой станции выбирает конфигурацию 2018 формирования NN для обработки DL-DNN-RS 2006, конфигурацию 2022 формирования NN для обработки DL-DNN-RS 2010, конфигурацию 2026 формирования NN для обработки DL-DNN-RS 2014 и т.д. Время от времени, выбор набора конфигураций формирования NN включает в себя выбор конфигураций формирования NN на стороне базовой станции, которые формируют DNN для генерирования передач передатчика, соответствующих DL-DNN-RS, и/или дополняющих конфигураций формирования NN на стороне пользовательского оборудования, которые формируют DNN для обработки передач приемника, соответствующих обработке DL-DNN-RS.

[0194] В окружении 2000-2, базовая станция 120 передает, на UE 110, одно или более указаний 2030 которые передают набор DL-DNN-RS 2002 и/или набор 2004 конфигураций формирования NN. Например, указание(я) 2030 включает(ют) в себя свойства сигнала каждого DL-DNN-RS (например, свойства 2008, свойства 2012, свойства 2016) и/или значения индекса каждой конфигурации формирования NN (например, конфигурации 2018 формирования NN, конфигурации 2022 формирования NN, конфигурации 2026 формирования NN). Хотя указания 2030 демонстрируют передачу свойств сигнала, например, частотных и временных, и значений индекса, указание может передавать альтернативную или дополнительную информацию, например, идентификационный (ID) номер, который указывает конкретный (заранее определенный) DL-DNN-RS (например, DL-DNN-RS “1”, DL-DNN-RS “2”, DL-DNN-RS “3”). В некоторых реализациях, указания 2030 метрик запроса, подлежащих генерации для каждого обработанного DL-DNN-RS, например, информации мощности, информации SINR, CQI, CSI, доплеровской обратной связи, QoS, задержки и т.д. В некоторых реализациях, указание 2030 включает в себя связи между набором DL-DNN-RS и набором конфигураций формирования NN, например, связи, которые указывают, какую конфигурацию формирования NN использовать для какого DL-DNN-RS (например, первую связь, которая указывает необходимость использования конфигурации 2018 формирования NN для обработки DL-DNN-RS 2006, вторую связь, которая указывает необходимость использования конфигурации 2022 формирования NN для обработки DL-DNN-RS 2010, третью связь, которая указывает необходимость использования конфигурации 2026 формирования NN для обработки DL-DNN-RS 2014). В некоторых реализациях, указание 2030 включает в себя информацию конфигурации временно-частотного ресурса, которая указывает один или более ресурсов связи, назначенных опорным сигналам (например, назначенных для использования передачи опорных сигналов). В порядке одного примера, информация конфигурации временно-частотного ресурса обеспечивает указания для UE 110 когда (по времени) и где (в частотном спектре) для определения местоположения DL-DNN-RS.

[0195] В некоторых реализациях, базовая станция 120 передает указание(я) 2030 как зависящее от UE указание набора DL-DNN-RS и/или набора конфигураций формирования NN, например, сообщения RRC, где DL-DNN-RS и/или конфигурации формирования NN специфичны для UE 110. Альтернативно или дополнительно, базовая станция передает указание(я) 2030 как широковещательное и/или многоадресное сообщение на множественные UE, например, с использованием блока системной информации (SIB).

[0196] В окружении 2000-3, показанном на фиг. 20-2, UE 110 формирует каждую DNN на основе конфигураций формирования NN, принимаемых в указании 2030 на фиг. 20-1, например, посредством диспетчера 218 нейронной сети UE. Например, диспетчер 218 нейронной сети UE для UE 110 формирует DNN 2020 с использованием конфигурации 2018 формирования NN, DNN 2024 с использованием конфигурации 2022 формирования NN, DNN 2028 с использованием конфигурации 2026 формирования NN. В реализациях, диспетчер 218 нейронной сети UE осуществляет доступ к таблице 216 нейронной сети, показанной на фиг. 2, для получения конфигураций формирования NN и/или элементов конфигурации формирования NN для каждой конфигурации формирования NN, как описано здесь. Альтернативно или дополнительно, диспетчер 218 нейронной сети UE формирует каждую DNN на основе соответствующих свойств сигнала и/или информации конфигурации временно-частотного ресурса, принимаемой в указании 2030, например, временных и частотных свойств, которые указывают предполагаемое время передачи DL-DNN-RS, предполагаемую частоту передачи DL-DNN-RS и т.д.

[0197] В окружении 2000-3, DNN 2020 обрабатывает DL-DNN-RS 2006 для генерации выходного сигнала 2032, DNN 2024 обрабатывает DL-DNN-RS 2010 для генерации выходного сигнала 2034, и DNN 2028 обрабатывает DL-DNN-RS 2014 для генерации выходного сигнала 2036. Выходные сигналы 2032, 2034 и 2036 включают в себя, время от времени, метрики, например, метрики, запрашиваемые базовой станцией 120 через указания 2030. Метрики могут включать в себя одну или более метрик, например, принимаемую мощность, SINR нисходящей линии связи, пакетные ошибки нисходящей линии связи, пропускную способность нисходящей линии связи, измерения таймингов и т.д. Хотя метрики проиллюстрированы в окружении 2000-3 как выход DNN, альтернативные реализации включают в себя модули метрики (не показаны), которые обрабатывают выходной сигнал DNN для генерации метрик, например, путем использования любой комбинации исполнимых инструкций процессора, оборудования, программно-аппаратного обеспечения и т.д. Время от времени, DNN 2020, DNN 2024 и DNN 2028 соответствуют DNN на стороне пользовательского оборудования, которые осуществляют обработку передачи приемника, но альтернативные или дополнительные реализации включают в себя одну или более DNN на стороне базовой станции (не показаны здесь), которые осуществляют обработку передачи передатчика для генерации DL-DNN-RS 2006, DL-DNN-RS 2010 и DL-DNN-RS 2014, например, DNN 604 модуля 602 обработки нисходящей линии связи, показанного на фиг. 6.

[0198] Затем диспетчер нейронной сети UE выбирает одну из DNN, например, путем анализа каждой соответствующей метрики для идентификации метрики, которая отвечает условию производительности и выбора соответствующей конфигурации формирования NN, связанной с идентифицированной метрикой. Выполнение условия производительности может соответствовать любому типу условия, например, условию, соответствующему равенству или превышению порогового значения (например, метрике уровня мощности, равной или превышающей пороговое значение), условию, соответствующему падению ниже порогового значения (например, метрике BER/BLER, падающей ниже порогового значения), и т.д. В порядке еще одного примера, выполнение условия производительности может, время от времени, соответствовать наилучшей метрике из набора метрик (например, метрике из набора метрик, которая указывает наилучшую производительность). Соответственно, на этапе 2038, диспетчер 218 нейронной сети UE выбирает DNN 2028 на основе любой комбинации метрик и/или условий производительности, например, первой метрики, равной или превышающей первое пороговое значение, второй метрики, падающей ниже порогового значения, и т.д. В окружении 2000-3, диспетчер 218 нейронной сети UE выбирает DNN 2028 и соответствующую конфигурацию формирования NN, на основе идентификации DNN, осуществляющейся наилучшим образом по сравнению с другими DNN (например, с более низкой частотой ошибок, более высоким качеством сигнала).

[0199] В окружении 2000-4, UE 110 указывает базовой станции 120 выбранную конфигурацию формирования NN (например, выбранную конфигурацию формирования NN для DNN 2028). Указание 2040, например, включает в себя значение(я) индекса конфигурации 2026 формирования NN, которые отображаются в одну или более записей в таблице нейронной сети. Затем UE 110 и базовая станция 120 формируют дополняющие DNN для обработки передач нисходящей линии связи на основе выбранной конфигурации формирования NN. Альтернативно или дополнительно, UE 110 передает одну или более метрик, сгенерированных выходом 2032, выходом 2034 и выходом 2036 для того, чтобы базовая станция 120 и/или сервер базовой сети (не показан) имели возможность выбирать одну из DNN. При передаче выбранной конфигурации формирования NN и/или метрик, некоторые реализации передают информацию с использованием физического канала, выделенного для указания 2040. Альтернативно или дополнительно, UE 110 передает информацию с использованием обмена сообщениями более высокого слоя (например, сообщениями слоя 2, сообщениями слоя 3).

[0200] Различные реализации, альтернативно или дополнительно, обрабатывают опорные сигналы глубокой нейронной сети восходящей линии связи для определения и выбора конфигураций формирования NN для обработки передач восходящей линии связи. Для демонстрации, рассмотрим теперь фиг. 21-1 и 21-2, которые демонстрируют иллюстративное окружение 2100 для выбора конфигурации формирования нейронной сети с использованием опорных сигналов. Фиг. 21-1 и 21-2 демонстрируют иллюстративное окружение 2100 в разные моменты времени, обозначенные как окружение 2100-1, окружение 2100-2, окружение 2100-3 и окружение 2100-4, соответственно. Таким образом, окружение 2100-1, окружение 2100-2, окружение 2100-3 и окружение 2100-4 совместно представляют окружение 2100 с развитием событий.

[0201] В окружении 2100-1 базовая станция 120 передает на UE 110, одно или более указаний 2102, которые передают набор опорных сигналов глубокой нейронной сети восходящей линии связи (UL-DNN-RS) 2104 для отправки на физическом канале и/или набор 2106 конфигураций формирования NN для использования при обработке UL-DNN-RS. Например, аналогично описанию со ссылкой на фиг. 20-1, указание(я) 2102 могут включать в себя свойства сигнала каждого UL-DNN-RS в наборе (например, соответствующие свойства сигнала каждого UL-DNN-RS, ID опорных сигналов), указания каждой конфигурации формирования NN в наборе (например, значения индекса), связи между каждым UL-DNN-RS и соответствующей конфигурацией формирования NN и т.д. В некоторых реализациях, базовая станция 120 передает указание(я) 2102 как зависящее от UE указание, где UL-DNN-RS и/или конфигурации формирования NN индивидуальны для UE 110 (например, на основе возможностей, индивидуальных для UE 110). Альтернативно или дополнительно, базовая станция передает указание(я) 2102 как широковещательное и/или многоадресное сообщение на множественные UE, например, с использованием SIB.

[0202] Затем, в окружении 2100-2, базовая станция 120 передает указание 2108, которое предписывает UE 110 передавать UL-DNN-RS, передаваемые указаниями 2102. В некоторых реализациях, указание 2108 включает в себя информацию конфигурации временно-частотного ресурса, которая обеспечивает, для UE 110, указание одного или более ресурсов связи, назначенных для UL-DNN-RS.

[0203] В окружении 2100-3 на фиг. 21-2, UE 110 передает набор UL-DNN-RS, где UL-DNN-RS формируются в соответствии с информацией, принимаемой в указаниях 2102 и/или 2108. Для иллюстрации, диспетчер 218 нейронной сети UE формирует DNN 2110, на основе набора 2106 конфигураций формирования NN, для осуществления обработки передачи передатчика (восходящей линии связи), которая генерирует UL-DNN-RS 2112. Аналогично, диспетчер 218 нейронной сети UE формирует DNN 2114, на основе набора 2106 конфигураций формирования NN, для осуществления обработки передачи передатчика (восходящей линии связи), которая генерирует UL-DNN-RS 2116, и формирования DNN 2118, на основе набора 2106 конфигураций формирования NN, для осуществления обработки передачи передатчика (восходящей линии связи), которая генерирует UL-DNN-RS 2120. Это включает в себя обработку, которая генерирует UL-DNN-RS в соответствии с временными/частотными свойствами сигнала и/или информацией конфигурации временно-частотного ресурса. В реализациях, DNN 2110, 2114 и 2118 соответствуют DNN на стороне пользовательского оборудования.

[0204] Альтернативно или дополнительно базовая станция 120 формирует DNN на стороне базовой станции для обработки UL-DNN-RS. Например, диспетчер 268 нейронной сети базовой станции формирует DNN 2122, которая обрабатывает UL-DNN-RS 2112 и генерирует выходной сигнал 2124. Аналогично, диспетчер 268 нейронной сети базовой станции формирует DNN 2126 для обработки UL-DNN-RS 2116 и генерирования выхода 2128, и формирует DNN 2130 для обработки UL-DNN-RS 2120 и генерирования выхода 2132. В реализациях, DNN 2122, DNN 2126 и DNN 2130 осуществляют функционал, дополняющий функционал DNN, сформированных на UE 110. Дополнительно, и аналогично описанному со ссылкой на фиг. 20-2, выходные сигналы 2124, 2128 и 2132 могут, время от времени, включать в себя одну или более метрик, например, принимаемую мощность, SINR восходящей линии связи, пакетные ошибки восходящей линии связи, пропускную способность восходящей линии связи, измерения таймингов и т.д. Хотя метрики проиллюстрированы в окружении 2100-3 как выход DNN, альтернативные реализации включают в себя модули метрики (не показаны), которые обрабатывают выходной сигнал DNN для генерации метрик, например модули метрики, реализованные с использованием любой комбинации исполнимых инструкций процессора, оборудования, программно-аппаратного обеспечения и т.д.

[0205] На этапе 2134, диспетчер 268 нейронной сети базовой станции анализирует метрики и выбирает одну из набора конфигураций формирования NN (например, DNN 2122, сформированную с использованием конфигурации формирования NN в наборе 2106) для использования при обработке передач восходящей линии связи. Например, аналогично описанию со ссылкой на фиг. 20-2, диспетчер 268 нейронной сети базовой станции идентифицирует метрику, которая отвечает условию производительности и выбирает конфигурацию формирования NN, которая соответствует идентифицированной метрике.

[0206] В окружении 2100-4, базовая станция 120 передает указание 2136 выбранной конфигурации формирования NN. Например, базовая станция 120 передает значение(я) 2138 индекса на UE 110, где значения индекса отображаются в записи в таблице нейронной сети (например, таблице 216 нейронной сети), как описано ниже. В ответ на прием указания 2136, UE 110 формирует DNN с использованием выбранной конфигурации формирования NN для обработки передач восходящей линии связи.

[0207] Описав примеры обратной связи по конфигурации формирования нейронной сети для беспроводных передач, рассмотрим теперь некоторые иллюстративные транзакции сигнализации и управления для обратной связи по конфигурации формирования нейронной сети в соответствии с одной или более реализациями.

Транзакции сигнализации и управления для передачи конфигураций формирования нейронной сети

[0208] Фиг. 22-25 демонстрируют иллюстративные схемы транзакций сигнализации и управления между базовой станцией, пользовательским оборудованием и/или сервером базовой сети в соответствии с одним или более аспектами обратной связи по конфигурации формирования нейронной сети для беспроводных передач. В реализациях, транзакции сигнализации и управления могут осуществляться базовой станцией 120 и UE 110, показанными на фиг. 1, или сервером 302 базовой сети, показанным на фиг. 3, с использованием элементов, показанных на фиг. 1 через 21-2.

[0209] Первый пример транзакций сигнализации и управления, используемый для обратной связи по конфигурации формирования нейронной сети для беспроводных передач, проиллюстрирован схемой 2200 транзакций сигнализации и управления, показанной на фиг. 22. Как показано, на этапе 2205 базовая станция 120 определяет набор опорных сигналов глубокой нейронной сети (например, набор 2002, набор 2104) для отправки на физическом канале. Например, диспетчер нейронной сети базовой станции для базовой станции 120 (например, диспетчер 268 нейронной сети базовой станции) идентифицирует текущие условия эксплуатации, например, с помощью метрик, принимаемых на UE 110 как описано со ссылкой на этап 825 показанный на схеме 800, и определяет набор опорных сигналов глубокой нейронной сети на основе текущего операционного окружения, например, путем идентификации опорных сигналов, которые имеют свойства сигнала, которые вносят вклад в успешную передачу информации в текущем операционном окружении. Определенный набор опорных сигналов глубокой нейронной сети может включать в себя опорные сигналы глубокой нейронной сети восходящей линии связи (например, набор 2104) или опорные сигналы глубокой нейронной сети нисходящей линии связи (например, набор 2002).

[0210] Альтернативно или дополнительно, на этапе 2210, базовая станция 120 определяет набор конфигураций формирования нейронной сети (например, набор 2004, набор 2106), где набор конфигураций формирования нейронной сети может использоваться для формирования глубоких нейронных сетей для обработки передач передатчика, связанных с опорными сигналами и/или обработки передач приемника, связанных с опорными сигналами (например, генерирования опорных сигналов, обработки принимаемых опорных сигналов). При определении набора конфигураций формирования нейронной сети, базовая станция 120 время от времени сравнивает текущие операционные окружения с входными характеристиками, например, описанными со ссылкой на этап 1315, показанный на схеме 1300.

[0211] Для иллюстрации, базовая станция 120 анализирует любую комбинацию информации (например, тип канала, свойства среды передачи, схемы кодирования, возможности UE, возможности BS и т.д.) для определения конфигураций формирования нейронной сети, например, описанных со ссылкой на этапы 815, 820 и 830, показанные на фиг. 8. Затем базовая станция 120 анализирует таблицу нейронной сети (например, таблицу 272 нейронной сети) для идентификации записей, которые соответствуют определенным конфигурациям формирования нейронной сети. Для иллюстрации, базовая станция 120 идентифицирует набор конфигураций формирования нейронной сети (и/или элементов конфигурации формирования нейронной сети в таблице 272 нейронной сети, которые соответствуют определенным конфигурациям формирования нейронной сети) путем коррелирования и/или согласования входных характеристик для идентификации записей. Например, аналогично набору 1602 элементов конфигурации формирования NN, набор 1604 элементов конфигурации формирования NN и набор 1606 элементов конфигурации формирования NN, показанные на фиг. 16-1, которые соответствуют претендующим конфигурациям формирования NN, базовая станция 120 выбирает наборы значений индекса, где каждый набор соответствует конфигурации формирования нейронной сети, используемой для обработки опорных сигналов.

[0212] На этапе 2215, базовая станция 120 передает указание набора опорных сигналов глубокой нейронной сети. Аналогично, на этапе 2220, базовая станция 120 передает указание набора конфигураций формирования нейронной сети. Указания могут отправляться в одном и том же сообщении/ в одной и той же передаче или в отдельных сообщениях/отдельных передачах. В реализациях, базовая станция передает указания в широковещательных и/или многоадресных сообщениях, тогда как в других реализациях, базовая станция 120 передает указания с использованием назначенного(ых) UE сообщения(й).

[0213] На этапе 2225, UE 110 формирует набор глубоких нейронных сетей на основе набора конфигураций формирования нейронной сети передаваемый на этапе 2220. В некоторых реализациях, UE 110 формирует DNN на стороне пользовательского оборудования для обработки передач нисходящей линии связи (например, DNN 2020, DNN 2024, DNN 2028). В других реализациях, UE 110 формирует DNN на стороне пользовательского оборудования для обработки передач восходящей линии связи (например, DNN 2110, DNN 2114, DNN 2118).

[0214] Схема 2230 включенная в схему 2200 транзакций сигнализации и управления означает любую комбинацию сигналов и транзакций, осуществляемых между UE и базовой станцией 120 (например, на этапе 2205, на этапе 2210, на этапе 2215, на этапе 2220 и/или на этапе 2225). Соответственно, ссылки на схему 2230 соответствуют любому из сигнала и транзакций, описанных схемой 2200.

[0215] Второй пример транзакций сигнализации и управления для обратной связи по конфигурации формирования нейронной сети для беспроводных передач проиллюстрирован схемой 2300 транзакций сигнализации и управления, показанной на фиг. 23. Как показано, на этапе 2305 сервер 302 базовой сети определяет набор опорных сигналов глубокой нейронной сети (например, набор 2002, набор 2104) для отправки на физическом канале. Например, диспетчер нейронной сети базовой сети сервера базовой сети (например, диспетчер 312 нейронной сети базовой сети) идентифицирует текущее операционное окружение, например, с помощью метрик, принимаемых на UE 110 и/или базовой станции 120, как описано на этапе 940, на этапе 945, на этапе 959, на этапе 955, показанных на схеме 900, и определяет набор опорных сигналов глубокой нейронной сети для отправки на физическом канале на основе текущего операционного окружения, например, путем идентификации опорных сигналов, которые имеют свойства сигнала, которые вносят вклад в успешную передачу информации в текущем операционном окружении. Определенный набор опорных сигналов глубокой нейронной сети может включать в себя опорные сигналы глубокой нейронной сети восходящей линии связи или опорные сигналы глубокой нейронной сети нисходящей линии связи.

[0216] Альтернативно или дополнительно, на этапе 2310, сервер 302 базовой сети определяет набор конфигураций формирования нейронной сети (например, набор 2004, набор 2106), где набор конфигураций формирования нейронной сети может использоваться для формирования глубоких нейронных сетей для обработки передач передатчика, связанных с опорными сигналами и/или обработки передач приемника, связанных с опорными сигналами (например, генерирования опорных сигналов, обработки принимаемых опорных сигналов). При определении набора конфигураций формирования нейронной сети, сервер 302 базовой сети, время от времени, сравнивает текущее операционное окружение с входными характеристиками, например, описанными со ссылкой на этап 1420, показанный на схеме 1400.

[0217] В порядке одного примера, сервер 302 базовой сети сравнивает текущее операционное окружение с входными характеристиками, хранящимися в таблице нейронной сети, и идентифицирует хранящиеся входные характеристики, выровненные с текущим операционным окружением (например, условиями канала, возможностями UE, возможностями BS, метриками). Затем сервер базовой сети получает значение(я) индекса записей с выровненными входными характеристиками, где значения индекса соответствуют набору конфигураций формирования нейронной сети и/или элементов конфигурации формирования нейронной сети. Например, аналогично набору 1602 элементов конфигурации формирования NN, набор 1604 элементов конфигурации формирования NN и набор 1606 элементов конфигурации формирования NN, показанные на фиг. 16-1 которые соответствуют претендующим конфигурациям формирования NN, сервер 302 базовой сети выбирает наборы значений индекса, где каждый набор соответствует конфигурации формирования нейронной сети.

[0218] На этапе 2315, сервер 302 базовой сети передает указание набора опорных сигналов глубокой нейронной сети для отправки на физическом канале. Это включает в себя передачу указания на базовую станцию 120 и/или UE 110 (посредством базовой станции 120). Аналогично, на этапе 2320, сервер 302 базовой сети передает указание набора конфигураций формирования нейронной сети на базовую станцию 120 и/или UE 110 (посредством базовой станции 120). Указание набора опорных сигналов глубокой нейронной сети может отправляться в одном и том же сообщении/ в одной и той же передаче в виде набора конфигураций формирования нейронной сети и/или в отдельном сообщении/отдельных передачах.

[0219] На этапе 2325 базовая станция 120 формирует набор глубоких нейронных сетей на основе набора конфигураций формирования нейронной сети, например, путем формирования набора DNN на стороне базовой станции для обработки передач нисходящей линии связи и/или для обработки передач восходящей линии связи (например, генерирования опорных сигналов глубокой нейронной сети нисходящей линии связи, обработки опорных сигналов глубокой нейронной сети восходящей линии связи). Альтернативно или дополнительно, на этапе 2330, UE 110 формирует набор глубоких нейронных сетей на основе набора конфигураций формирования нейронной сети, например, путем формирования набора DNN на стороне пользовательского оборудования для обработки передач нисходящей линии связи и/или путем формирования набора DNN на стороне пользовательского оборудования для обработки передач восходящей линии связи (например, обработки опорных сигналов глубокой нейронной сети нисходящей линии связи, генерирования опорных сигналов глубокой нейронной сети восходящей линии связи).

[0220] На этапе 2335, сервер 302 базовой сети инициирует передачу опорных сигналов глубокой нейронной сети путем осуществления связи с базовой станцией 120. В некоторых реализациях, сервер 302 базовой сети инициирует передачу опорных сигналов глубокой нейронной сети нисходящей линии связи базовой станцией 120. В других реализациях, сервер 302 базовой сети инициирует передачу опорных сигналов глубокой нейронной сети восходящей линии связи от UE 110 (посредством базовой станции 120).

[0221] Схема 2340 включенная в схему 2300 транзакций сигнализации и управления, означает любую комбинацию сигналов и транзакций, осуществляемых между сервером 302 базовой сети, базовой станцией 120 и/или UE 110 (например, на этапе 2305, на этапе 2310, на этапе 2315, на этапе 2320, на этапе 2325, на этапе 2330 и/или на этапе 2335). Соответственно, ссылки на схему 2340 соответствуют любому из сигнала и транзакций, описанных схемой 2300.

[0222] Третий пример транзакций сигнализации и управления для обратной связи по конфигурации формирования нейронной сети проиллюстрирован схемой 2400 транзакций сигнализации и управления, показанной на фиг. 24. Время от времени, схема 2400 работает, частично или полностью, со схемой 2200, показанной на фиг. 22 и/или схемой 2300, показанной на фиг. 23.

[0223] Схема 2400 транзакций сигнализации и управления начинается со схемы 2230 на фиг. 22 или схемы 2340 на фиг. 23. Например, в некоторых реализациях, базовая станция 120 и/или UE 110 осуществляют различные транзакции сигнализации и управления для передачи наборов опорных сигналов глубокой нейронной сети и/или наборов конфигураций формирования нейронной сети (например, на этапе 2210, на этапе 2215, на этапе 2220 и на этапе 2225, показанных на фиг. 22). Это может включать в себя передачу наборов DL-DNN-RS, наборов UL-DNN-RS, наборов конфигураций формирования NN для обработки нисходящей линии связи, наборов конфигураций формирования NN для обработки восходящей линии связи и т.д. В других реализациях, сервер 302 базовой сети осуществляет некоторые транзакции сигнализации и управления с базовой станцией 120 и/или UE 110 (посредством базовой станции 120) для передачи наборов опорных сигналов глубокой нейронной сети и/или наборов конфигураций формирования нейронной сети. Другими словами, сервер 302 базовой сети передает наборы DL-DNN-RS, наборы UL-DNN-RS, наборы конфигураций формирования NN для обработки нисходящей линии связи, наборы конфигураций формирования NN для обработки восходящей линии связи и т.д. (например, на этапе 2305, на этапе 2310, на этапе 2315, на этапе 2320, на этапе 2325, на этапе 2330 и на этапе 2335, показанных на фиг. 23). Таким образом, хотя фиг. 24 не демонстрирует сервер 302 базовой сети, реализации схемы 2400 могут включать в себя транзакции сигнализации и управления с сервером 302 базовой сети. В схеме 2400, набор опорных сигналов глубокой нейронной сети и набор конфигураций формирования нейронной сети соответствуют передачам нисходящей линии связи, например, описанным со ссылкой на фиг. 20-1 и 20-2.

[0224] На этапе 2405 базовая станция 120 передает опорные сигналы глубокой нейронной сети нисходящей линии связи на физическом канале. Например, как описано со ссылкой на окружение 2000-3, базовая станция 120 передает множественные DL-DNN-RS (например, DL-DNN-RS 2006, DL-DNN-RS 2010, DL-DNN-RS 2014), где базовая станция генерирует каждый соответствующий DL-DNN-RS с использованием соответствующей глубокой нейронной сети на стороне базовой станции, которая обрабатывает передачи передатчика (нисходящей линии связи). В некоторых реализациях, базовая станция 120 определяет, когда начинать передачу опорных сигналов глубокой нейронной сети нисходящей линии связи, тогда как в других реализациях, базовая станция 120 передает опорные сигналы глубокой нейронной сети нисходящей линии связи по команде от сервера базовой сети (например, на этапе 2335, показанном на фиг. 23). В реализациях, базовая станция 120 генерирует каждый DL-DNN-RS с использованием соответствующей глубокой нейронной сети на стороне базовой станции.

[0225] На этапе 2410, UE 110 обрабатывает опорные сигналы глубокой нейронной сети нисходящей линии связи с использованием глубоких нейронных сетей, сформированных из набора конфигураций формирования нейронной сети. Например, UE 110 обрабатывает принимаемые DL-DNN-RS с использованием соответствующих глубоких нейронных сетей (например, DNN 2020, DNN 2024, DNN 2028), где соответствующие DNN формируются на основе набора конфигураций формирования нейронной сети, например, как описано со ссылкой на этап 2225 на фиг. 22 или на этап 2330 на фиг. 23.

[0226] На этапе 2415, UE 110 генерирует метрики на основе обработки. Может генерироваться метрика любого подходящего типа, как описано со ссылкой на этап 820 со ссылкой на фиг. 8. Например, со ссылкой на окружение 2000-3, показанное на фиг. 20-2, UE 110 генерирует уровень мощности, SINR, BLER, BER и т.д. для выходных сигналов, сгенерированных каждой глубокой нейронной сетью, обрабатывающей опорные сигналы. Затем, на этапе 2420, UE 110 выбирает конфигурацию формирования нейронной сети из набора конфигураций формирования нейронной сети. UE 110 (посредством диспетчера 218 нейронной сети UE) выбирает конфигурацию формирования нейронной сети путем анализа любой комбинации метрик, например, сравнения первой метрики с пороговым значением, второй метрики с диапазоном значений и т.д.

[0227] На этапе 2425, UE 110 передает выбранную конфигурацию формирования нейронной сети. Альтернативно или дополнительно, UE 110 передает одну или более метрик, вычисленных на этапе 2425. В некоторых реализациях, UE 110 передает информацию с использованием выделенного физического канала и/или обмена сообщениями более высокого слоя (например, сообщениями слоя 2, сообщениями слоя 3).

[0228] На этапе 2430 UE 110 формирует глубокую нейронную сеть нисходящей линии связи с использованием выбранной конфигурации формирования нейронной сети. Альтернативно или дополнительно, UE 110 начинает обработку передач нисходящей линии связи с использованием глубокой нейронной сети нисходящей линии связи, например, описанной со ссылкой на DNN 608 модуля 606 обработки нисходящей линии связи. Аналогично, на этапе 2435, базовая станция 120 формирует глубокую нейронную сеть нисходящей линии связи с использованием выбранной конфигурации формирования нейронной сети, например, DNN, которая осуществляет функционал, дополняющий функционал DNN, сформированной посредством UE 110 (например, DNN 604 модуля 602 обработки нисходящей линии связи).

[0229] В некоторых реализациях, процесс итерационно повторяет, как указано пунктирной линией 2440, которая возвращается к схеме 2230 на фиг. 22 и/или схеме 2340 на фиг. 23. Для иллюстрации, рассмотрим пример, в котором текущее операционное окружение непрерывно изменяется, например, перемещение UE 110, которое имеет скорость и/или направление (например, движущееся быстро, движущееся медленно, движущееся к базовой станции, движущееся от базовой станции), которые изменяют окружение передачи, местоположение UE 110 (например, в центре зоны беспроводного покрытия, на границе зоны беспроводного покрытия), или динамические изменения любого другого типа в операционном окружении. Оценивая эти изменения, например, с помощью метрик, принимаемых от UE 110 (например, на этапе 825 на фиг. 8), базовая станция 120 и/или сервер 302 базовой сети определяют необходимость выбирать новую конфигурацию формирования NN нисходящей линии связи для повышения производительности системы (например, снижения коэффициента ошибочных битов, повышения качества сигнала). Например, на основе текущего операционного окружения, базовая станция 120 и/или сервер 302 базовой сети определяют необходимость модификации DNN, используемой в настоящее время для обработки передач нисходящей линии связи (на основе ранее определенного операционного окружения) для повышения производительности системы. Для повышения производительности системы, базовая станция и/или сервер базовой сети повторяют транзакции сигнализации и управления, описанные схемой 2400, которые выбирают набор DL-DNN-RS, выбирают набор конфигураций формирования NN нисходящей линии связи, передают варианты выбора на UE 110, передают набор DL-DNN-RS, выбирают конкретную конфигурацию формирования NN нисходящей линии связи из набора и переконфигурируют DNN нисходящей линии связи на основе вновь выбранной конфигурации формирования NN. В реализациях, частота, с которой могут повторяться транзакции сигнализации и управления, время от времени, зависят от изменений в текущем операционном окружении. Таким образом, в статических операционных окружениях, итерации могут повторяться с меньшей частотой по сравнению с итерациями, используемыми в динамических операционных окружениях.

[0230] Четвертый пример транзакций сигнализации и управления для обратной связи по конфигурации формирования нейронной сети проиллюстрирован схемой 2500 транзакций сигнализации и управления, показанной на фиг. 25. Время от времени, схема 2500 работает, частично или полностью, со схемой 2200, показанной на фиг. 22 и/или схемой 2300, показанной на фиг. 23.

[0231] Схема 2500 транзакций сигнализации и управления начинается со схемы 2230 на фиг. 22 или схемы 2340 на фиг. 23. В некоторых реализациях, базовая станция 120 и/или UE 110 осуществляют различные транзакции сигнализации и управления для передачи наборов опорных сигналов глубокой нейронной сети и/или наборов конфигураций формирования нейронной сети (например, на этапе 2210, на этапе 2215, на этапе 2220 и на этапе 2225, показанных на фиг. 22). Это может включать в себя передачу наборов DL-DNN-RS, наборов UL-DNN-RS, наборов конфигураций формирования NN для обработки нисходящей линии связи, наборов конфигураций формирования NN для обработки восходящей линии связи и т.д. В других реализациях, сервер 302 базовой сети осуществляет различные транзакции сигнализации и управления для передачи наборов опорных сигналов глубокой нейронной сети и/или наборов конфигураций формирования нейронной сети на базовую станцию 120 и/или UE 110 (например, на этапе 2305, на этапе 2310, на этапе 2315, на этапе 2320, на этапе 2325, на этапе 2330 и на этапе 2335, показанных на фиг. 23). Таким образом, хотя фиг. 25 не демонстрирует сервер 302 базовой сети, реализации схемы 2500 может включать в себя транзакции сигнализации и управления с сервером 302 базовой сети. В схеме 2500, набор опорных сигналов глубокой нейронной сети и набор конфигураций формирования нейронной сети соответствуют передачам восходящей линии связи, например, описанным со ссылкой на фиг. 21-1 и 21-2.

[0232] На этапе 2505 базовая станция 120 инициирует передачу опорных сигналов глубокой нейронной сети восходящей линии связи на физическом канале путем отправки передачи на UE 110. В некоторых реализациях, базовая станция 120 определяет, когда инициировать передачу опорных сигналов глубокой нейронной сети восходящей линии связи, тогда как в других реализациях, базовая станция 120 инициирует передачу опорных сигналов глубокой нейронной сети восходящей линии связи по команде от сервера базовой сети (например, на этапе 2335, показанном на фиг. 23).

[0233] Затем, на этапе 2510 и в ответ на прием передачи от базовой станции, UE 110 начинает передачу опорных сигналов глубокой нейронной сети восходящей линии связи, например, с использованием конфигураций, указанных на этапе 2215 на фиг. 22, или на этапе 2320 на фиг. 23. В реализациях, UE 110 передает опорные сигналы глубокой нейронной сети восходящей линии связи с использованием DNN восходящей линии связи для обработки опорных сигналов (например, DNN 612 модуля 610 обработки восходящей линии связи, DNN 2110, DNN 2114, DNN 2118).

[0234] На этапе 2515, базовая станция 120 обрабатывает опорные сигналы глубокой нейронной сети восходящей линии связи с использованием глубоких нейронных сетей, сформированных с использованием набора конфигураций формирования нейронной сети. Например, базовая станция 120 обрабатывает принимаемые UL-DNN-RS (например, UL-DNN-RS 2112, UL-DNN-RS 2116, UL-DNN-RS 2120), с использованием соответствующих глубоких нейронных сетей (например, DNN 2122, DNN 2126, DNN 2130), где соответствующие DNN формируются на основе набора конфигураций формирования нейронной сети.

[0235] На этапе 2520, базовая станция 120 генерирует метрики на основе обработки. Может генерироваться метрика любого подходящего типа, например, описанная на этапе 815, показанном на фиг. 8. Для иллюстрации, базовая станция генерирует измерения мощности (например, RSS), метрики ошибок, метрики таймингов, QoS, задержку, для каждой глубокой нейронной сети обрабатывающей опорные сигналы (например, выход 2124, выход 2128, выход 2132). Затем, на этапе 2525, базовая станция 120 выбирает конфигурацию формирования нейронной сети из набора конфигураций формирования нейронной сети. Базовая станция 120 (посредством диспетчера 268 нейронной сети базовой станции) выбирает конфигурацию формирования нейронной сети путем анализа любой комбинации метрик, например, сравнения первой метрики с пороговым значением, второй метрики с диапазоном значений и т.д. Альтернативно или дополнительно, базовая станция 120 пересылает метрики на сервер 302 базовой сети, где сервер базовой сети анализирует метрики для выбора конфигурации формирования нейронной сети (не показана).

[0236] На этапе 2530, базовая станция 120 передает выбранную конфигурацию формирования нейронной сети на UE 110. В некоторых реализациях, базовая станция передает информацию с использованием выделенного физического канала и/или сообщений более высокого слоя (например, сообщений слоя 2, сообщений слоя 3).

[0237] На этапе 2535, базовая станция 120 формирует глубокую нейронную сеть восходящей линии связи с использованием выбранной конфигурации формирования нейронной сети. Альтернативно или дополнительно, базовая станция 120 начинает обработку передач восходящей линии связи с использованием глубокой нейронной сети восходящей линии связи, например, описанной со ссылкой на DNN 616 модуля 614 обработки восходящей линии связи, показанной на фиг. 6. Аналогично, на этапе 2540, UE 110 формирует глубокую нейронную сеть восходящей линии связи с использованием выбранной конфигурации формирования нейронной сети, например, DNN, которая осуществляет функционал, дополняющий функционал DNN, сформированной базовой станцией 120 (например, DNN 612 модуля 610 обработки восходящей линии связи).

[0238] В некоторых реализациях, процесс итерационно повторяет, как указано На этапе 2545 пунктирной линией, которая возвращается к схеме 2230 на фиг. 22 и/или схеме 2340 на фиг. 23. Для иллюстрации, базовая станция 120 и/или сервер 302 базовой сети оценивают текущее операционное окружение, например, с помощью метрик, принимаемых от UE 110 и/или сгенерированных базовой станцией 120, и определяют необходимость выбирать новую конфигурацию формирования NN восходящей линии связи для повышения производительности системы (например, снижения коэффициента ошибочных битов, повышения качества сигнала). Например, на основе текущего операционного окружения, базовая станция 120 и/или сервер 302 базовой сети определяют необходимость модификации DNN, используемой в настоящее время для обработки передач восходящей линии связи (на основе ранее определенного операционного окружения) для повышения производительности системы. Для выбора новой конфигурации формирования NN восходящей линии связи, различные реализации повторяют транзакции сигнализации и управления, описанные схемой 2500, которые выбирают набор UL-DNN-RS, выбирают набор конфигураций формирования NN восходящей линии связи, передают варианты выбора на UE 110, инициирует передачу набора UL-DNN-RS, выбирают конкретную конфигурацию формирования NN восходящей линии связи из набора и переконфигурируют DNN восходящей линии связи на основе вновь выбранной конфигурации формирования NN восходящей линии связи. В реализациях, частота, с которой могут повторяться транзакции сигнализации и управления, время от времени, зависят от изменений в текущем операционном окружении. Таким образом, в статических операционных окружениях, итерации могут повторяться с меньшей частотой по сравнению с итерациями, используемыми в динамических операционных окружениях.

[0239] Описав иллюстративные транзакции сигнализации и управления который можно использовать для обратной связи по конфигурации формирования нейронной сети, рассмотрим теперь некоторые иллюстративные способы, которые соответствуют одной или более реализациям.

Иллюстративные способы

[0240] Иллюстративные способы 2600 и 2700 описаны со ссылкой на фиг. 26 и фиг. 27 в соответствии с одним или более аспектами обратной связи по конфигурации формирования нейронной сети. Порядок, в котором описаны блоки способа, не следует рассматривать как ограничение, и любое количество описанных блоков способа можно пропустить или комбинировать в любом порядке для реализации способа или альтернативного способа. В общем случае, любой из описанных здесь компонентов, модулей, способов и операций можно реализовать с использованием программного обеспечения, программно-аппаратного обеспечения, оборудования (например, фиксированной логической схемы), ручной обработки или любой их комбинации. Некоторые операции иллюстративных способов можно описать в общем контексте исполнимых инструкций, хранящихся в компьютерно-считываемом запоминающем устройстве, локальном и/или удаленном по отношению к компьютерной системе обработки, и реализации могут включать в себя прикладные программы, программы, функции и пр. Альтернативно или дополнительно, любая из описанных здесь функций может осуществляться, по меньшей мере частично, одним или более компонентами аппаратной логики, например, и без ограничения, вентильными матрицами, программируемыми пользователем (FPGA), специализированными интегральными схемами (ASIC), специализированными стандартными продуктами (ASSP), однокристальными системами (SoC), сложными программируемыми логическими устройствами (CPLD) и пр.

[0241] Фиг. 26 демонстрирует иллюстративный способ 2600 обратной связи по конфигурации формирования нейронной сети для беспроводных передач. В некоторых реализациях, операции способа 2600 осуществляются сетевой сущностью, например, одной из базовых станций 120 и/или сервером 302 базовой сети.

[0242] На этапе 2605, сетевая сущность определяет набор опорных сигналов глубокой нейронной сети нисходящей линии связи для измерения производительности глубоких нейронных сетей в системе беспроводной связи. Например, сетевая сущность (например, базовая станция 120, сервер 302 базовой сети) анализирует текущее операционное окружение и определяет необходимость модификации существующей глубокой нейронной сети на основе изменений в текущем операционном окружении. Сетевая сущность анализирует метрики текущего операционного окружения, например, метрики, принятые от UE (например, UE 110) для идентификации набора опорных сигналов глубокой нейронной сети на основе свойств (например, свойств сигнала, которые вносят вклад в успешную передачу информации в текущем операционном окружении). В некоторых реализациях, сетевая сущность альтернативно или дополнительно, определяет набор опорных сигналов глубокой нейронной сети восходящей линии связи для измерения производительности глубоких нейронных сетей восходящей линии связи.

[0243] На этапе 2610, сетевая сущность определяет набор конфигураций формирования нейронной сети нисходящей линии связи. В некоторых реализациях, сущность нейронной сети (например, базовая станция 120, сервер 302 базовой сети) сравнивает входные характеристики таблицы нейронной сети (например, таблицы 272 нейронной сети, таблицы 316 нейронной сети) с текущим операционным окружением, и идентифицирует набор конфигураций формирования нейронной сети нисходящей линии связи с использованием записей таблицы нейронной сети, например, описанных со ссылкой на фиг. 12, фиг. 16-1 и 16-2, фиг. 20-1 и 20-2, фиг. 21-1 и 21-2 и т.д. В некоторых реализациях, сетевая сущность альтернативно или дополнительно, определяет набор конфигураций формирования нейронной сети восходящей линии связи на основе текущего операционного окружения.

[0244] На этапе 2615, сетевая сущность передает, на пользовательское оборудование, первое указание набора опорных сигналов глубокой нейронной сети нисходящей линии связи и второе указание набора конфигураций формирования нейронной сети нисходящей линии связи. В реализациях, сетевая сущность, альтернативно или дополнительно, предписывает пользовательскому оборудованию для формирования набора глубоких нейронных сетей нисходящей линии связи, с использованием набора конфигураций формирования нейронной сети нисходящей линии связи, для обработки набора опорных сигналов глубокой нейронной сети нисходящей линии связи. Время от времени, сетевая сущность (например, сервер 302 базовой сети) передает первое указание и второе указание на базовую станцию (например, базовую станцию 120). Альтернативно или дополнительно, базовая станция передает первое указание и второе указание на UE (например, UE 110), например, определенные базовой станцией и/или принятые от сервера базовой сети. При указании набора конфигураций формирования нейронной сети нисходящей линии связи, некоторые реализации передают набор значений индекса, которые отображаются в записи таблицы нейронной сети (например, набор 2004, набор 2106), наборы свойств сигнала, связанных с набором опорных сигналов глубокой нейронной сети нисходящей линии связи (например, набор 2002, набор 2104), идентификационные номера физических сигналов глубокой нейронной сети нисходящей линии связи, информацию конфигурации временно-частотного ресурса и т.д. Хотя первое указание и второе указание описаны со ссылкой на этап 2615 как соответствующие опорным сигналам глубокой нейронной сети нисходящей линии связи и конфигурациям формирования нейронной сети нисходящей линии связи, сетевая сущность может, альтернативно или дополнительно, отправлять указания, которые соответствуют набору конфигураций формирования нейронной сети восходящей линии связи и/или набору опорных сигналов глубокой нейронной сети восходящей линии связи.

[0245] На этапе 2620, сетевая сущность инициирует передачу набора опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием физического канала для предписания пользовательскому оборудованию обрабатывать набор опорных сигналов глубокой нейронной сети набором глубоких нейронных сетей нисходящей линии связи время от времени, сетевая сущность (например, сервер 302 базовой сети), передает команду инициирования на базовую станцию (например, базовую станцию 120), например, как описано со ссылкой на этап 2335 схемы 2300. Приняв команду инициирования, базовая станция либо начинает передачу набора опорных сигналов глубокой нейронной сети нисходящей линии связи (например, DL-DNN-RS 2006, DL-DNN-RS 2010, DL-DNN-RS 2014), либо пересылает команду инициирования на UE (например, UE 110) для инициирования передачи опорных сигналов глубокой нейронной сети восходящей линии связи (например, UL-DNN-RS 2112, UL-DNN-RS 2116, UL-DNN-RS 2120). Альтернативно или дополнительно, базовая станция инициирует передачу опорных сигналов глубокой нейронной сети нисходящей линии связи и/или восходящей линии связи без приема команды от сущности базовой сети, например, как описано со ссылкой на этап 2405 схемы 2400 и/или на этап 2505 схемы 2500.

[0246] Фиг. 27 демонстрирует иллюстративный способ 2700 обратной связи по конфигурации формирования нейронной сети для беспроводных передач. В некоторых реализациях, операции способа 2700 осуществляются пользовательским оборудованием, например, UE 110 на фиг. 1.

[0247] На этапе 2705, пользовательское оборудование принимает первое указание набора опорных сигналов глубокой нейронной сети нисходящей линии связи и второе указание набора конфигураций формирования нейронной сети нисходящей линии связи, например, описанные со ссылкой на схему 2200 или схему 2300. Например, пользовательское оборудование (например, UE 110) принимает набор значений индекса (например, набор 2004), которые соответствуют набору конфигураций формирования нейронной сети нисходящей линии связи, и набор свойств сигнала и/или идентификаций, которые соответствуют набору опорных сигналов глубокой нейронной сети нисходящей линии связи (например, набор 2002). Пользовательское оборудование принимает первое указание и второе указание любым подходящим образом, например в едином сообщении, во множественных сообщениях, по выделенному физическому каналу и т.д. В произвольный более поздний момент времени, пользовательское оборудование принимает набор опорных сигналов глубокой нейронной сети нисходящей линии связи на физическом канале на этапе 2710.

[0248] На этапе 2715, пользовательское оборудование обрабатывает набор опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием набора глубоких нейронных сетей нисходящей линии связи, сформированных с использованием набора конфигураций формирования нейронной сети нисходящей линии связи. Для иллюстрации, пользовательское оборудование (например, UE 110) формирует набор глубоких нейронных сетей (например, DNN 2020, DNN 2024, DNN 2028) с использованием набора конфигураций формирования нейронной сети нисходящей линии связи (например, набора 2004), и обрабатывает набор опорных сигналов глубокой нейронной сети нисходящей линии связи (например, DL-DNN-RS 2006, DL-DNN-RS 2010, DL-DNN-RS 2014). В реализациях, пользовательское оборудование обрабатывает набор опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием информации конфигурации временно-частотного ресурса, принимаемой в указании(ях) на этапе 2705 для идентификации одного или более ресурсов связи, назначенных набору опорных сигналов глубокой нейронной сети нисходящей линии связи.

[0249] На этапе 2720, пользовательское оборудование выбирает одну из набора конфигураций формирования нейронной сети нисходящей линии связи на основе обработки. Пользовательское оборудование (например, UE 110), например, генерирует метрики (например, выход 2032, выход 2034, выход 2036), и анализирует метрики для выбора одной из набора конфигураций формирования нейронной сети нисходящей линии связи (например, на этапе 2038).

[0250] Затем, и в ответ на выбор одного из набора конфигураций формирования нейронной сети нисходящей линии связи, пользовательское оборудование передает выбранную одну из набора конфигураций формирования нейронной сети нисходящей линии связи на этапе 2725. В реализациях, пользовательское оборудование (например, UE 110) передает выбранную одну из набора конфигураций формирования нейронной сети нисходящей линии связи на базовую станцию (например, базовую станцию 120) путем указания одного или более значений индекса, которое(ые) отображается в одну или более записей в таблице нейронной сети. Альтернативно или дополнительно, пользовательское оборудование передает метрики, сгенерированные на этапе 2715.

[0251] На этапе 2730, пользовательское оборудование обрабатывает передачи нисходящей линии связи с использованием глубокой нейронной сети, сформированной с выбранной одной из набора конфигураций формирования нейронной сети нисходящей линии связи. Для иллюстрации, пользовательское оборудование (например, UE 110) формирует глубокую нейронную сеть нисходящей линии связи (например, DNN 608) для обработки (принимаемых) передач нисходящей линии связи, принятых от базовой станции (например, базовой станции 120). В реализациях, базовая станция формирует дополняющую глубокую нейронную сеть нисходящей линии связи (например, DNN 604) для обработки передач (передатчика) нисходящей линии связи, как описано ниже.

[0252] Хотя аспекты обратной связи по конфигурации формирования нейронной сети для беспроводных передач, были описаны в отношении признаков и/или способов, предмет нижеследующей формулы изобретения не требует ограничения конкретными описанными признаками или способами. Напротив, конкретные признаки и способы раскрыты как иллюстративные реализации обратной связи по конфигурации формирования нейронной сети для беспроводных передач, и другие эквивалентные признаки и способы подлежат включению в объем нижеследующей формулы изобретения. Дополнительно описаны разнообразные аспекты, и очевидно, что каждый описанный аспект может быть реализован независимо или совместно с один или более другими описанными аспектами.

[0253] Далее описаны несколько примеров.

[0254] Пример 1: способ, осуществляемый сетевой сущностью, связанной с системой беспроводной связи, для выбора конфигурации формирования нейронной сети, причем способ содержит: определение, сетевой сущностью, набора опорных сигналов глубокой нейронной сети нисходящей линии связи для отправки на физическом канале для измерения производительности глубоких нейронных сетей в системе беспроводной связи; определение набора конфигураций формирования нейронной сети нисходящей линии связи, причем каждая конфигурация формирования нейронной сети нисходящей линии связи соответствует соответствующему опорному сигналу глубокой нейронной сети нисходящей линии связи из набора опорных сигналов глубокой нейронной сети нисходящей линии связи; передачу, на пользовательское оборудование, первого указания набора опорных сигналов глубокой нейронной сети нисходящей линии связи и второго указания набора конфигураций формирования нейронной сети нисходящей линии связи для предписания пользовательскому оборудованию формировать набор глубоких нейронных сетей нисходящей линии связи, с использованием набора конфигураций формирования нейронной сети нисходящей линии связи, для обработки набора опорных сигналов глубокой нейронной сети нисходящей линии связи; и инициирование передачи набора опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием физического канала для предписания пользовательскому оборудованию обрабатывать набор опорных сигналов глубокой нейронной сети нисходящей линии связи набором глубоких нейронных сетей нисходящей линии связи и выбирать одну из набора конфигураций формирования нейронной сети нисходящей линии связи на основе производительности набора глубоких нейронных сетей нисходящей линии связи.

[0255] Пример 2: способ, описанный в примере 1, дополнительно содержащий: прием, на основе инициирования, ответа от пользовательского оборудования, где указана одна из конфигураций формирования нейронной сети нисходящей линии связи в наборе конфигураций формирования нейронной сети нисходящей линии связи; и формирование глубокой нейронной сети нисходящей линии связи, на основе ответа, для обработки передач нисходящей линии связи.

[0256] Пример 3: способ, описанный в примере 2, в котором набор опорных сигналов глубокой нейронной сети нисходящей линии связи имеет первый набор опорных сигналов глубокой нейронной сети нисходящей линии связи, физический канал является первым физическим каналом, набор конфигураций формирования нейронной сети нисходящей линии связи имеет первый набор конфигураций формирования нейронной сети нисходящей линии связи, ответ содержит первый ответ, причем способ дополнительно содержит: определение необходимости модификации глубокой нейронной сети нисходящей линии связи для обработки передач нисходящей линии связи на основе текущего операционного окружения; определение второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи для отправки на втором физическом канале, причем каждый опорный сигнал глубокой нейронной сети нисходящей линии связи из второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи соответствует конфигурации формирования нейронной сети нисходящей линии связи во втором наборе конфигураций формирования нейронной сети нисходящей линии связи; передачу, на пользовательское оборудование, третьего указания второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи и четвертого указания второго набора конфигураций формирования нейронной сети нисходящей линии связи; инициирование передачи каждого опорного сигнала глубокой нейронной сети нисходящей линии связи из второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи; прием, на основе инициирования передачи каждого опорного сигнала глубокой нейронной сети нисходящей линии связи из второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи, второго ответа, где указана одна из конфигураций формирования нейронной сети нисходящей линии связи во втором наборе конфигураций формирования нейронной сети нисходящей линии связи; и переконфигурирование глубокой нейронной сети нисходящей линии связи на основе второго ответа.

[0257] Пример 4: способ, описанный в примере 3, в котором определение необходимости модификации глубокой нейронной сети нисходящей линии связи для обработки передач нисходящей линии связи дополнительно содержит определение необходимости модификации глубокой нейронной сети нисходящей линии связи на основе по меньшей мере одного из: перемещения пользовательского оборудования; и местоположения пользовательского оборудования.

[0258] Пример 5: способ, описанный в любом из предыдущих примеров, в котором определение набора конфигураций формирования нейронной сети нисходящей линии связи содержит: выбор, из набора конфигураций формирования нейронной сети нисходящей линии связи, конфигураций формирования нейронной сети нисходящей линии связи, которые применимы к множественным экземплярам пользовательского оборудования, причем множественные экземпляры пользовательского оборудования включают в себя пользовательское оборудование, и передача второго указания набора конфигураций формирования нейронной сети нисходящей линии связи содержит широковещательную или многоадресную рассылку второго указания.

[0259] Пример 6: способ, описанный в примере 5, в котором широковещательная или многоадресная рассылка второго указания содержит: рассылку второго указания с использованием блока системной информации.

[0260] Пример 7: способ, описанный в любом из примеров 1-4, в котором определение набора конфигураций формирования нейронной сети нисходящей линии связи содержит определение набора конфигураций формирования нейронной сети нисходящей линии связи на основе возможностей пользовательского оборудования.

[0261] Пример 8: способ, описанный в любом из предыдущих примеров, в котором передача первого указания содержит: передачу соответствующей конфигурации временно-частотного ресурса для каждого опорного сигнала глубокой нейронной сети нисходящей линии связи из набора опорных сигналов глубокой нейронной сети нисходящей линии связи.

[0262] Пример 9: способ, описанный в любом из предыдущих примеров, в котором сетевая сущность содержит базовую станцию, причем способ дополнительно содержит: прием набора опорных сигналов глубокой нейронной сети восходящей линии связи, причем каждый опорный сигнал глубокой нейронной сети восходящей линии связи соответствует соответствующей конфигурации формирования нейронной сети восходящей линии связи в наборе конфигураций формирования нейронной сети восходящей линии связи для обработки передач восходящей линии связи; обработку каждого опорного сигнала глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи с использованием соответствующей глубокой нейронной сети, сформированной соответствующей конфигурацией формирования нейронной сети восходящей линии связи; выбор, на основе обработки, одной из конфигураций формирования нейронной сети восходящей линии связи в наборе конфигураций формирования нейронной сети восходящей линии связи; и обработку передач восходящей линии связи с использованием глубокой нейронной сети, сформированной выбранной одной из конфигураций формирования нейронной сети восходящей линии связи.

[0263] Пример 10: способ, осуществляемый пользовательским оборудованием, связанным с системой беспроводной связи, причем способ содержит: прием, пользовательским оборудованием, первого указания набора опорных сигналов глубокой нейронной сети нисходящей линии связи и второго указания набора конфигураций формирования нейронной сети нисходящей линии связи; прием набора опорных сигналов глубокой нейронной сети нисходящей линии связи на физическом канале; обработку набора опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием набора глубоких нейронных сетей нисходящей линии связи, сформированных с использованием набора конфигураций формирования нейронной сети нисходящей линии связи; выбор одной из набора конфигураций формирования нейронной сети нисходящей линии связи на основе обработки; передачу, на сетевую сущность, выбранную одну из набора конфигураций формирования нейронной сети нисходящей линии связи; и обработку передач нисходящей линии связи с использованием глубокой нейронной сети, сформированной выбранной одной из конфигураций формирования нейронной сети нисходящей линии связи.

[0264] Пример 11: способ, описанный в примере 10, в котором прием первого указания содержит прием информации конфигурации временно-частотного ресурса, которая указывает один или более ресурсов связи, назначенных набору опорных сигналов глубокой нейронной сети нисходящей линии связи, и в котором обработка каждого опорного сигнала глубокой нейронной сети нисходящей линии связи содержит обработку каждого опорного сигнала глубокой нейронной сети нисходящей линии связи с использованием соответствующей глубокой нейронной сети нисходящей линии связи из набора глубоких нейронных сетей нисходящей линии связи.

[0265] Пример 12: способ, описанный в примере 10 или примере 11, в котором обработка каждого опорного сигнала глубокой нейронной сети нисходящей линии связи с использованием соответствующей глубокой нейронной сети нисходящей линии связи содержит: генерирование соответствующей метрики для каждой соответствующей глубокой нейронной сети из набора глубоких нейронных сетей нисходящей линии связи; и при этом выбор одного из набора конфигураций формирования нейронной сети нисходящей линии связи содержит: анализ каждой соответствующей метрики для идентификации метрики, которая отвечает условию производительности; и выбор соответствующей конфигурации формирования нейронной сети нисходящей линии связи, из набора конфигураций формирования нейронной сети нисходящей линии связи, который связан с идентифицированной метрикой в качестве одного из набора конфигураций формирования нейронной сети нисходящей линии связи.

[0266] Пример 13: способ, описанный в любом из примеров 10-12, в котором передача выбранной одной из набора конфигураций формирования нейронной сети нисходящей линии связи содержит передачу одного или более значений индекса, которые отображаются в одну или более записей в таблице нейронной сети, причем записи в таблице нейронной сети соответствуют выбранной одной из конфигураций формирования нейронной сети нисходящей линии связи.

[0267] Пример 14: способ, описанный в любом из примеров 10-13, в котором физический канал содержит первый физический канал, причем способ дополнительно содержит: прием, пользовательским оборудованием, запроса на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи; и передачу, с использованием второго физического канала, каждого опорного сигнала глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи с использованием набора глубоких нейронных сетей восходящей линии связи для обработки передач передатчика восходящей линии связи.

[0268] Пример 15: способ, описанный в примере 14, в котором прием запроса на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи дополнительно содержит: прием третьего указания набора конфигураций формирования нейронной сети восходящей линии связи; и формирование набора глубоких нейронных сетей восходящей линии связи с использованием набора конфигураций формирования нейронной сети восходящей линии связи.

[0269] Пример 16: способ, описанный в примере 15, в котором прием запроса на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи дополнительно содержит: прием информации конфигурации временно-частотного ресурса восходящей линии связи, который указывает один или более ресурсов связи, назначенных набору опорных сигналов глубокой нейронной сети восходящей линии связи, и передача каждого опорного сигнала глубокой нейронной сети восходящей линии связи содержит передачу каждого опорного сигнала глубокой нейронной сети восходящей линии связи на основе информации конфигурации временно-частотного ресурса восходящей линии связи.

[0270] Пример 17: сетевая сущность, содержащая: процессор; и компьютерно-считываемые носители данных, содержащие инструкции для реализации модуля диспетчера глубокой нейронной сети, который, в ответ на выполнение процессором, предписывает сетевой сущности осуществлять способ согласно любому из примеров 1-9.

[0271] Пример 18: Пользовательское оборудование, содержащее: беспроводной приемопередатчик; процессор; и компьютерно-считываемые носители данных, содержащие инструкции, в ответ на выполнение процессором, предписывающие пользовательскому оборудованию осуществлять способ согласно одному из примеров 10-16.

[0272] Пример 19: способ, осуществляемый сетевой сущностью, связанной с системой беспроводной связи, для выбора конфигурации формирования нейронной сети, причем способ содержит: определение, сетевой сущностью, набора опорных сигналов глубокой нейронной сети восходящей линии связи для измерения производительности глубоких нейронных сетей в системе беспроводной связи; определение набора конфигураций формирования нейронной сети восходящей линии связи, причем каждая конфигурация формирования нейронной сети восходящей линии связи соответствует соответствующему опорному сигналу глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи; передачу, на пользовательское оборудование, первого указания набора конфигураций формирования нейронной сети восходящей линии связи и второго указания набора опорных сигналов глубокой нейронной сети восходящей линии связи; и предписание пользовательскому оборудованию передавать, с использованием физического канала, каждый опорный сигнал глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи для измерения набора конфигураций формирования нейронной сети восходящей линии связи и выбора одной из набора конфигураций формирования нейронной сети восходящей линии связи для обработки передач восходящей линии связи в системе беспроводной связи.

[0273] Пример 20: способ, описанный в примере 19, в котором сетевая сущность содержит базовую станцию, причем способ дополнительно содержит: формирование набора глубоких нейронных сетей восходящей линии связи на основе набора конфигураций формирования нейронной сети восходящей линии связи; и обработку набора опорных сигналов глубокой нейронной сети восходящей линии связи с использованием набора глубоких нейронных сетей восходящей линии связи для генерации одной или более метрик, которые измеряют производительность набора глубоких нейронных сетей восходящей линии связи;

[0274] Пример 21: способ, описанный в примере 20, дополнительно содержащий: анализ метрик для идентификации одной из метрик, которая отвечает условию производительности; и выбор конфигурации формирования нейронной сети восходящей линии связи, из набора конфигураций формирования нейронной сети восходящей линии связи, связанных с идентифицированной одной из метрик в качестве одного из набора конфигураций формирования нейронной сети восходящей линии связи.

[0275] Пример 22: способ, описанный в примере 21, дополнительно содержащий: передачу выбранной одной из набора конфигураций формирования нейронной сети восходящей линии связи для предписания пользовательскому оборудованию использовать выбранную одну из набора конфигураций формирования нейронной сети восходящей линии связи для обработки передач восходящей линии связи.

[0276] Пример 23: способ, описанный в примере 19, в котором физический канал содержит первый физический канал, набор опорных сигналов глубокой нейронной сети восходящей линии связи содержит первый набор опорных сигналов глубокой нейронной сети восходящей линии связи, набор конфигураций формирования нейронной сети восходящей линии связи содержит первый набор конфигураций формирования нейронной сети восходящей линии связи, причем способ дополнительно содержит: определение необходимости модификации глубокой нейронной сети восходящей линии связи, используемой для обработки передач восходящей линии связи на основе текущего операционного окружения; определение второго набора опорных сигналов глубокой нейронной сети восходящей линии связи, причем каждый опорный сигнал глубокой нейронной сети восходящей линии связи из второго набора опорных сигналов глубокой нейронной сети восходящей линии связи соответствует конфигурации формирования нейронной сети восходящей линии связи во втором наборе конфигураций формирования нейронной сети восходящей линии связи; передачу, на пользовательское оборудование, третьего указания второго набора конфигураций формирования нейронной сети восходящей линии связи и четвертого указания второго набора опорных сигналов глубокой нейронной сети восходящей линии связи; и предписание пользовательскому оборудованию передавать, с использованием второго физического канала, каждый опорный сигнал глубокой нейронной сети восходящей линии связи из второго набора опорных сигналов глубокой нейронной сети восходящей линии связи для измерения второго набора конфигураций формирования нейронной сети восходящей линии связи и выбора одной из второго набора конфигураций формирования нейронной сети восходящей линии связи для обработки передач восходящей линии связи в системе беспроводной связи.

[0277] Пример 24: способ, описанный в примере 23, в котором сетевая сущность содержит базовую станцию, причем способ дополнительно содержит: обработку второго набора опорных сигналов глубокой нейронной сети восходящей линии связи с использованием второго набора глубоких нейронных сетей восходящей линии связи, сформированных вторым набором конфигураций формирования нейронной сети восходящей линии связи для генерации одной или более метрик, которые измеряют обработку, осуществляемую вторым набором глубоких нейронных сетей восходящей линии связи; выбор одной из второго набора конфигураций формирования нейронной сети восходящей линии связи на основе одной или более метрик; и переконфигурирование глубокой нейронной сети восходящей линии связи на стороне базовой станции, используемой для обработки передач восходящей линии связи с помощью выбранной одной из второго набора конфигураций формирования нейронной сети восходящей линии связи.

[0278] Пример 25: способ, описанный в примере 24, дополнительно содержащий: передачу четвертого указания выбранной одной из второго набора конфигураций формирования нейронной сети восходящей линии связи на пользовательское оборудование; и предписание пользовательскому оборудованию переконфигурировать глубокую нейронную сеть восходящей линии связи на стороне пользовательского оборудования, используемую для обработки передач восходящей линии связи с помощью выбранной одной из второго набора конфигураций формирования нейронной сети восходящей линии связи.

[0279] Пример 26: Способ, осуществляемый пользовательским оборудованием, связанным с системой беспроводной связи, причем способ содержит этапы, на которых: прием, пользовательским оборудованием, первого указания набора конфигураций формирования нейронной сети восходящей линии связи и второго указания набора опорных сигналов глубокой нейронной сети восходящей линии связи для отправки на физическом канале; прием команды на передачу, с использованием физического канала, набора опорных сигналов глубокой нейронной сети восходящей линии связи; и передачу набора опорных сигналов глубокой нейронной сети восходящей линии связи путем: формирования набора глубоких нейронных сетей восходящей линии связи с использованием набора конфигураций формирования нейронной сети восходящей линии связи; и использования набора глубоких нейронных сетей восходящей линии связи для осуществления обработки передатчика, которая генерирует набор опорных сигналов глубокой нейронной сети восходящей линии связи.

[0280] Пример 27: способ, описанный в примере 26, дополнительно содержащий: прием третьего указания, которое предписывает пользовательскому оборудованию использовать одну из набора конфигураций формирования нейронной сети восходящей линии связи для обработки передач восходящей линии связи; формирование глубокой нейронной сети на стороне пользовательского оборудования на основе одной из набора конфигураций формирования нейронной сети восходящей линии связи; и обработку передач восходящей линии связи с использованием глубокой нейронной сети на стороне пользовательского оборудования.

[0281] Пример 28: способ, описанный в примере 26 или примере 27, дополнительно содержащий прием информации конфигурации временно-частотного ресурса, которая указывает один или более ресурсов связи, назначенных набору опорных сигналов глубокой нейронной сети восходящей линии связи, и при этом передача набора опорных сигналов глубокой нейронной сети восходящей линии связи содержит передачу каждого опорного сигнала глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи на основе информации конфигурации временно-частотного ресурса.

[0282] Пример 29: сетевая сущность, содержащая: беспроводной приемопередатчик; процессор; и компьютерно-считываемые носители данных, содержащие инструкции для реализации модуля диспетчера глубокой нейронной сети, который, в ответ на выполнение процессором, предписывает сетевой сущности осуществлять способ согласно любому из примеров 19-25.

[0283] Пример 30: пользовательское оборудование, содержащее: беспроводной приемопередатчик; процессор; и компьютерно-считываемые носители данных, содержащие инструкции, в ответ на выполнение процессором, предписывающие пользовательскому оборудованию осуществлять способ согласно одному из примеров 26-28.

1. Способ, осуществляемый сетевым субъектом, связанным с системой беспроводной связи, для выбора конфигурации формирования нейронной сети, причем способ содержит этапы, на которых:

определяют посредством сетевого субъекта набор опорных сигналов глубокой нейронной сети нисходящей линии связи для отправки на физическом канале для измерения производительности глубоких нейронных сетей в системе беспроводной связи;

определяют набор конфигураций формирования нейронной сети нисходящей линии связи, причем каждая конфигурация формирования нейронной сети нисходящей линии связи соответствует соответственному опорному сигналу глубокой нейронной сети нисходящей линии связи из набора опорных сигналов глубокой нейронной сети нисходящей линии связи;

передают в пользовательское устройство первое указание набора опорных сигналов глубокой нейронной сети нисходящей линии связи и второе указание набора конфигураций формирования нейронной сети нисходящей линии связи для предписания пользовательскому устройству формировать набор глубоких нейронных сетей нисходящей линии связи с использованием набора конфигураций формирования нейронной сети нисходящей линии связи, для обработки набора опорных сигналов глубокой нейронной сети нисходящей линии связи; и

инициируют передачу набора опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием физического канала для предписания пользовательскому устройству обрабатывать набор опорных сигналов глубокой нейронной сети нисходящей линии связи с помощью набора глубоких нейронных сетей нисходящей линии связи и выбирать одну из набора конфигураций формирования нейронной сети нисходящей линии связи на основе производительности набора глубоких нейронных сетей нисходящей линии связи.

2. Способ по п.1, дополнительно содержащий этапы, на которых:

принимают, на основе упомянутого инициирования, от пользовательского устройства ответ, которым выбирается одна из конфигураций формирования нейронной сети нисходящей линии связи в наборе конфигураций формирования нейронной сети нисходящей линии связи; и

формируют глубокую нейронную сеть нисходящей линии связи, на основе упомянутого ответа, для обработки передач нисходящей линии связи.

3. Способ по п.2, в котором набор опорных сигналов глубокой нейронной сети нисходящей линии связи имеет первый набор опорных сигналов глубокой нейронной сети нисходящей линии связи, упомянутый физический канал является первым физическим каналом, набор конфигураций формирования нейронной сети нисходящей линии связи имеет первый набор конфигураций формирования нейронной сети нисходящей линии связи, упомянутый ответ содержит первый ответ, причем способ дополнительно содержит этапы, на которых:

определяют модифицировать глубокую нейронную сеть нисходящей линии связи для обработки передач нисходящей линии связи на основе текущего операционного окружения;

определяют второй набор опорных сигналов глубокой нейронной сети нисходящей линии связи для отправки на втором физическом канале, причем каждый опорный сигнал глубокой нейронной сети нисходящей линии связи из второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи соответствует конфигурации формирования нейронной сети нисходящей линии связи во втором наборе конфигураций формирования нейронной сети нисходящей линии связи;

передают в пользовательское устройство третье указание второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи и четвертое указание второго набора конфигураций формирования нейронной сети нисходящей линии связи;

инициируют передачу каждого опорного сигнала глубокой нейронной сети нисходящей линии связи из второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи;

принимают, на основе этого инициирования передачи каждого опорного сигнала глубокой нейронной сети нисходящей линии связи из второго набора опорных сигналов глубокой нейронной сети нисходящей линии связи, второй ответ, которым выбирается одна из конфигураций формирования нейронной сети нисходящей линии связи во втором наборе конфигураций формирования нейронной сети нисходящей линии связи; и

переконфигурируют глубокую нейронную сеть нисходящей линии связи на основе второго ответа.

4. Способ по п.3, в котором при упомянутом определении модифицировать глубокую нейронную сеть нисходящей линии связи для обработки передач нисходящей линии связи определяют модифицировать глубокую нейронную сеть нисходящей линии связи на основе по меньшей мере одного из:

перемещения пользовательского устройства и

местоположения пользовательского устройства.

5. Способ по любому из предыдущих пунктов, в котором упомянутое определение набора конфигураций формирования нейронной сети нисходящей линии связи содержит этапы, на которых:

выбирают, из набора конфигураций формирования нейронной сети нисходящей линии связи, конфигурации формирования нейронной сети нисходящей линии связи, которые применимы к множеству пользовательских устройств, причем данное множество пользовательских устройств включает в себя упомянутое пользовательское устройство, и

упомянутая передача второго указания набора конфигураций формирования нейронной сети нисходящей линии связи содержит широковещательную или многоадресную рассылку второго указания.

6. Способ по п.5, в котором упомянутая широковещательная или многоадресная рассылка второго указания содержит широковещательную рассылку второго указания с использованием блока системной информации.

7. Способ по любому из пп.1-4, в котором при упомянутом определении набора конфигураций формирования нейронной сети нисходящей линии связи набор конфигураций формирования нейронной сети нисходящей линии связи определяют на основе возможностей пользовательского устройства.

8. Способ по любому из предыдущих пунктов, в котором упомянутая передача первого указания содержит этап, на котором передают соответствующую конфигурацию временно-частотного ресурса для каждого опорного сигнала глубокой нейронной сети нисходящей линии связи из набора опорных сигналов глубокой нейронной сети нисходящей линии связи.

9. Способ по любому из предыдущих пунктов, в котором сетевой субъект представляет собой базовую станцию, причем способ дополнительно содержит этапы, на которых:

принимают набор опорных сигналов глубокой нейронной сети восходящей линии связи, причем каждый опорный сигнал глубокой нейронной сети восходящей линии связи соответствует соответственной конфигурации формирования нейронной сети восходящей линии связи в наборе конфигураций формирования нейронной сети восходящей линии связи для обработки передач восходящей линии связи;

обрабатывают каждый опорный сигнал глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи с использованием соответствующей глубокой нейронной сети, сформированной с использованием упомянутой соответственной конфигурации формирования нейронной сети восходящей линии связи;

выбирают, на основе этой обработки, одну из конфигураций формирования нейронной сети восходящей линии связи в наборе конфигураций формирования нейронной сети восходящей линии связи; и

обрабатывают передачи по восходящей линии связи с использованием глубокой нейронной сети, сформированной с использованием выбранной одной из конфигураций формирования нейронной сети восходящей линии связи.

10. Способ, осуществляемый пользовательским устройством, связанным с системой беспроводной связи, причем способ содержит этапы, на которых:

принимают посредством пользовательского устройства первое указание набора опорных сигналов глубокой нейронной сети нисходящей линии связи и второе указание набора конфигураций формирования нейронной сети нисходящей линии связи;

принимают набор опорных сигналов глубокой нейронной сети нисходящей линии связи на физическом канале;

обрабатывают набор опорных сигналов глубокой нейронной сети нисходящей линии связи с использованием набора глубоких нейронных сетей нисходящей линии связи, сформированных с использованием набора конфигураций формирования нейронной сети нисходящей линии связи;

выбирают одну из набора конфигураций формирования нейронной сети нисходящей линии связи на основе этой обработки;

передают в сетевой субъект выбранную одну из набора конфигураций формирования нейронной сети нисходящей линии связи; и

обрабатывают передачи нисходящей линии связи с использованием глубокой нейронной сети, сформированной с использованием выбранной одной из конфигураций формирования нейронной сети нисходящей линии связи.

11. Способ по п.10, в котором

упомянутый прием первого указания содержит этап, на котором принимают информацию конфигурации временно-частотного ресурса, которая указывает один или более ресурсов связи, назначенных набору опорных сигналов глубокой нейронной сети нисходящей линии связи, и

при упомянутой обработке каждого опорного сигнала глубокой нейронной сети нисходящей линии связи каждый опорный сигнал глубокой нейронной сети нисходящей линии связи обрабатывают с использованием соответствующей глубокой нейронной сети нисходящей линии связи из набора глубоких нейронных сетей нисходящей линии связи.

12. Способ по п.10 или 11, в котором упомянутая обработка каждого опорного сигнала глубокой нейронной сети нисходящей линии связи с использованием соответствующей глубокой нейронной сети нисходящей линии связи содержит этап, на котором генерируют соответствующую метрику для каждой соответствующей глубокой нейронной сети из набора глубоких нейронных сетей нисходящей линии связи; при этом упомянутый выбор одного из набора конфигураций формирования нейронной сети нисходящей линии связи содержит этапы, на которых:

анализируют каждую соответствующую метрику для идентификации метрики, которая отвечает условию производительности; и

выбирают соответствующую конфигурацию формирования нейронной сети нисходящей линии связи из набора конфигураций формирования нейронной сети нисходящей линии связи, которая связана с идентифицированной метрикой, в качестве упомянутой одной из набора конфигураций формирования нейронной сети нисходящей линии связи.

13. Способ по любому из пп.10-12, в котором упомянутая передача выбранной одной из набора конфигураций формирования нейронной сети нисходящей линии связи содержит этап, на котором передают одно или более значений индекса, которые отображены в одну или более записей в таблице нейронной сети, каковые записи в таблице нейронной сети соответствуют выбранной одной из конфигураций формирования нейронной сети нисходящей линии связи.

14. Способ по любому из пп.10-13, в котором упомянутый физический канал содержит первый физический канал, причем способ дополнительно содержит этапы, на которых:

принимают посредством пользовательского устройства запрос на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи; и

передают, с использованием второго физического канала, каждый опорный сигнал глубокой нейронной сети восходящей линии связи из набора опорных сигналов глубокой нейронной сети восходящей линии связи с использованием набора глубоких нейронных сетей восходящей линии связи для обработки передач передатчика восходящей линии связи.

15. Способ по п.14, в котором упомянутый прием запроса на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи дополнительно содержит этапы, на которых:

принимают третье указание набора конфигураций формирования нейронной сети восходящей линии связи; и

формируют набор глубоких нейронных сетей восходящей линии связи с использованием набора конфигураций формирования нейронной сети восходящей линии связи.

16. Способ по п.15, в котором

упомянутый прием запроса на отправку набора опорных сигналов глубокой нейронной сети восходящей линии связи дополнительно содержит этап, на котором принимают информацию конфигурации временно-частотного ресурса восходящей линии связи, которая указывает один или более ресурсов связи, назначенных набору опорных сигналов глубокой нейронной сети восходящей линии связи, и

при упомянутой передаче каждого опорного сигнала глубокой нейронной сети восходящей линии связи каждый опорный сигнал глубокой нейронной сети восходящей линии связи передают на основе информации конфигурации временно-частотного ресурса восходящей линии связи.

17. Сетевой субъект, содержащий:

процессор; и

машиночитаемые носители данных, содержащие инструкции для реализации модуля диспетчера глубокой нейронной сети, который, в качестве реакции на исполнение процессором, предписывает сетевому субъекту осуществлять любой из способов по пп.1-9.

18. Пользовательское устройство, содержащее:

беспроводной приемопередатчик;

процессор; и

машиночитаемые носители данных, содержащие инструкции, которые, в качестве реакции на исполнение процессором, предписывают пользовательскому устройству осуществлять один из способов по пп.10-16.