CN119422330A 用于将迁移学习用于信道状态信息增强的方法和装置 （交互数字专利控股公司）

2024.12.23PCT/US2023/0199942023.04.26WO2023/212059EN2023.11.02用于将迁移学习用于信道状态信息增强的提供了用于利用一个无线发射/接收单元(WTRU)的迁移学习以使另一WTRU受益的方法和相关联的简档和训练收敛阈值的AI/ML模型配置一个或多个AI/ML模型不适于被WTRU使用，并发送指示该一个或多个AI/ML模型不适于WTRU和/或WTRU将训练本地AI/ML模型的第一信息。该方法然后可以包括：根据收敛阈值来训练本地AI/与经训练的本地AI/ML模型相关联的AI/ML模型2从网络节点接收指示下述各项的人工智能/机器学习(AI/ML)模络节点可用的一个或多个AI/ML模型、与所述一个或多个AI/ML模型中的每个相应AI/ML模至少基于所述一个或多个简档，确定所述一个或多个AI/ML模型不适于被所述WTRU使向所述网络节点发送指示下述各项中的任一个的第一信息：所述一个或多个AI/ML模将指示与经训练的本地AI/ML模型相关联的AI/ML模型参数的第三信息发送到所述网2.如权利要求1所述的WTRU，其中所述简档包括下述各4.如权利要求1至3中至少一项所述的WTRU，其中所述6.如权利要求1至5中至少一项所述的WTRU，其根据所述本地AI/ML模型的输出和所测量的信道条件在所述误差大于所述收敛阈值的条件下，执行所述训练的附加迭代以实现所述本地在所述误差小于所述收敛阈值的条件下，将所述本地AI/ML模型的训练的完成报告给7.如权利要求1至6中至少一项所述的WTRU，其中噪声比(SINR)不处于从所述网络节点可用的AI/ML模型中的任一个9.如权利要求1至8中至少一项所述的WTRU，其中所述W3个或多个AI/ML模型是否适于用于所述WTRU处的至少一个功能的12.如权利要求1至11中至少一项所述的WTRU，其中所述一个或多个AI/ML模型中的任13.如权利要求1至12中至少一项所述的WTRU，其中所述本地AI/ML模型包括在所述WTRU处存储的用于生命周期管理阶段的从网络节点接收指示下述各项的AI/ML模型配置信息：从所述网络节点可用的一个或至少基于所述一个或多个简档，确定所述一个或多个AI/ML模型不适于被所述WTRU使向所述网络节点发送指示下述各项中的任一个的第一信息：所述一个或多个AI/ML模将指示与经训练的本地AI/ML模型相关联的AI/ML模型参数的第三信息发送到所述网19.如权利要求14至18中至少一项所述的方法，其中根据所述收敛阈值来训练所述本根据所述本地AI/ML模型的输出和所测量的信道条件在所述误差大于所述收敛阈值的条件下，执行所述训练的附加迭代以实现所述本地4在所述误差小于所述收敛阈值的条件下，将所述本地AI/ML模型的训练的完成报告给20.如权利要求14至19中至少一项所述的方法，其中所述第一信息包括由所述WTRU确加噪声比(SINR)不处于从所述网络节点可用的AI/ML模型中的任一个22.如权利要求14至21中至少一项所述的方法，包括：将辅助信息发射到所述网络节24.如权利要求14至23中至少一项所述的方法，其中所述配置信息包括用于确定所述一个或多个AI/ML模型是否适于用于所述WTRU处的至少一个25.如权利要求14至24中至少一项所述的方法，其中所26.如权利要求14至25中至少一项所述的方法，其中所述本地AI/ML模型包括在所述WTRU处存储的用于生命周期管理阶段的5[0003]本文描述的某些实施例可以提供用于利用一个无线发射/接收单元(WTRU)的迁移示该一个或多个AI/ML模型不适于WTRU和/或WTRU将训练本地AI/ML模型的第一信息。该方及将与经训练的本地AI/ML模型相关联的AI/ML模型参数的指示发送发射机中的任一个。电路可以被配置成：接收指示从网络节点可用的一个或多个AI/ML模指示该一个或多个AI/ML模型不适于WTRU和/或WTRU将训练本地AI/ML模型的第一信息。电及将与经训练的本地AI/ML模型相关联的AI/ML模型参数的指示发送图1A是图示了其中可以实现一个或多个所公开的实施例的示例通信系统的系统图1B是图示了根据实施例的可在图1A中图示的通信系统内使用的示例无线发射/图1C是图示了根据实施例的可在图1A中图示的通信系统内使用的示例无线电接6图1D是图示了根据实施例的可在图1A中图示的通信系统内使用的进一步示例RAN图4是根据实施例的用于从人工智能/机器学习(AI/ML或AIML)模型训练器的模型图5A是根据实施例的用于从AI/ML模型用户的模型迁移的方法和装置的信号流程图5B是根据实施例的用于从/向一个或多个UE的UL和/或DL模型迁移的方法和装[0006]在以下详细描述中，阐述了许多具体细节以提供本文公开的实施例和/或示例的[0009]图1A是图示了其中可以实现一个或多个所公开的实施例的示例通信系统100的播等)提供给多个无线用户。通信系统100可以使多个无线用户能够通过共享系统资源(包[0010]如图1A中所示，通信系统100可以包括无线发射/接收单元(WTRU)102a、102b、7业设备和应用(例如，在工业和/或自动化处理链情境中操作的机器人和/或其他无线设[0012]基站114a可以是RA速下行链路分组接入(HSDPA)和/或高速上行LTE(LTE_A)和/或先进LTEPro(LTE_APro)来建立8可以利用任何合适的RAT来便于局部区域中的无线连接，该局部区域诸如是商业场所、家114b和WTRU102c、102d可以实现无线电技术，诸如IEEE802.11，以建立无线局域网(WLAN)。在一实施例中，基站114b和WTRU102c、102d可以实现无线电技术，诸如IEEE114b可能不被要求经由CN106/115104/113和/或CN106/115可以与其他RAN直接或间接通信，该其他RA共通信协议诸如是TCP/IP互联网协议组中的传输控制协议(TCP)、用户数据报协议(UDP)9蜂窝的无线电技术的基站114a和可以采用IEEE802无线电技术的基站1器118和收发器120可以一起集成在电子封装或WTRU102可以包括用于通过空中接口116发射和接收无线信号的两个或更多个发射/接收120可以包括用于使WTRU102能够经由多个RAT(诸如，NR和IEEE802.11)进行通信的多个[0029]处理器118可以接收来自电源134的功率，且可以被配置成分发和/或控制去往[0030]处理器118还可以耦合到GPS芯片组136，该GPS芯片组136可以被配置成提供关于或者代替来自GPS芯片组136的信息，WTRU102可以通过空中接口116从基站(例如，基站信号处理来减少和/或基本上消除自干扰。在一实施例中，WTRU102可以包括半双工无线以将无线信号发射到WTRU102a和/或从WTRU102a[0043]基础设施基本服务集(BSS)模式中的WLAN可以具有用于BSS的接入点(AP)以及与用802.11eDLS或802.11z隧道DLS(TDLS)。使用独立BSS(IBSS)模式的WLAN可以不具有AP，[0044]当使用802.11ac基础设施操作模式或类似的邻或非相邻的20MHz信道的组合以形成的20MHz信道或通过组合两个非连续的80MHz信道(其可以被称为80+80配置)来形成。对于使用的信道操作带宽和载波，在802.11af和802.11ah中减少了信道操作带宽和载波。802.11af支持TV白色空间(TVWS)频谱中的5MHz带宽、10MHz带宽和20MHz带宽，并且有限带宽。MTC设备可以包括其电池寿命高于阈值(例如，以维持非常长的电池寿命)的电式的STA(例如，MTC类型设备)，主信道可以是1MHz宽，即使AP以及BSS中的其他STA支持于802.11ah而言可用的总带宽为6MHz至26180c可以实现MIMO技术。例如，gNB180a、180b可以利用波束赋形以将信号发射到gNB多个天线以将无线信号发射到WTRU102a和/或接收来自WTR[0052]WTRU102a、102b、102c可以使用与可缩放数字学相关联的传输来与gNB180a、成处置无线电资源管理决策、切换决策、上行链路(UL)和/或下行链路(DL)中的用户的调[0055]图1D中所示的CN115可以包括至少一个AMF182a、182b、至少一个UPF184a、支持。例如，不同的网络切片可以针对不同的用例而建立，诸如，依赖于超可靠低时延络112可以包括被其他服务提供商所拥有和/或操作的其他有线和/或无线网络。在一个实出)来执行本文关于以下各项中的一个或多个所描述的功能中的一个或多个或全部：WTRU设备可以是被配置成对本文描述的功能中的一个或多个或全部进行仿真的一个或多个设[0061]仿真设备可以被设计成在实验室环境中和/或在运营商网络环境中实现其他设备或无线通信网络的一部分而被暂时地实现/部署。仿真设备出于测试的目的而可以直接耦合到另一个设备和/或可以使用空中无线通[0062]该一个或多个仿真设备可以执行一个或多个(包括全部)功能，同时不作为有线或多个天线)进行的直接RF耦合和/或无线通信可以由仿真设备用来发射制信道(PUCCH)上的上行链路控制信道或按照gNB对上行链路物理共享信道(ULPUSCH)授触发以报告PUSCH上的所测量的CSI_RS。在PUCCH上携带周期性报告，同时可以在PUCCH或PUSCH上携带半持久报告。所报告的CSI可以由调度器在可能基于信道的时间_频率选择性来分配最优资源块、确定预编码矩阵、波束和/或传输模式以及选择合适调制和编码方案(MCS)时使用。WTRUCSI报告的可靠性、准确度和及时性可以对满足超可靠和低时延通信如是通过提供指向CSI报告设置内的资源配置的指针来实现的。图2示出了针对CSI报告设[0067]某些示例实施例可以涉及基于码本的预编码。图3示出了利用反馈信息的基于码[0068]如图3中所示，码本包括针对每个秩的预编码向量/矩阵的集合以及多个天线端编码向量/矩阵索引。基于码本的预编码可能由于与不基于码本的预编码相比其无限数目的预编码向量/矩阵而遭受性能退化。然而，基于码本的预编码的主要优势是更低控制信[0071]被占据的CPU的数目可以基于CSI测量结果类型(例如，基于波束的或不基于波束管由于CSI计算复杂度较低所致的针对信道测量的CSI_RS资源集合中的CSI_RS资源的数目序列的显式配置的情况下通过基于数据的学习而对行为的实现和/或对要求的符合。这种方法可以使得能够学习可能在使用传统方法时难以指定和/或实现[0076]经由5G(和5G+)网络而连接在一起的机器到机器AI/ML迁移学习和推断系统是用完成训练的收敛时间和完成从源WTRU到目标WTRU的迁移的延迟可能事件、条件或紧急情形的改变而连续交换和共享如系统所确定的分布式和/或联邦网络中的AI/ML模型层，以改进ML系统预测准确度中的一些或全部。这些系统可以通过执行各种AI/ML联网系统上的不同层来优化AI/ML推[0079]WTRU可以将实时数据用于部分或完整AI/ML模型的在线训练。WTRU可以使用本地[0080]某些示例实施例可以被配置成将迁移学习用于增强信道状态信息处理。有AI/ML的信道估计解码器或简称为WTRU)是被配置有一个或多个人工智能(AI)/机器学习(ML)模AI/ML能力的WTRU可以是锚WTRU和/或协作WTRU。有AI/ML能力的WTRU可以从锚WTRU角色过[0081]锚WTRU在本公开的上下文中(可互换地被称为模型训练器WTRU或主WTRU)指代在执行以下各项中的一个或多个时涉及的有AI/ML能力的WTRU：AI/ML模型的部分或完整训保QoS的维持的性能阈值)上的配置；在上行链路中将经训练的模型/经训练的模型参数发与训练相关的信息发送到网络和/或协作WTRU；和/或经由侧链接口将经训练的模型/经训[0082]协作WTRU在本公开的上下文中(可互换地被称为模型用户WTRU或辅助WTRU或成员WTRU)指代在执行以下各项中的一个或多个时涉及的有AI/ML能力的WTRU：AI/ML模型的部ML模型时确保QoS的维持的性能阈值)上的配置；在下行链路中从网络和/或经由侧链接口射或发送有AI/ML能力的模型和/或AI/ML模型参数(例如，在上行链路中)的WTRU可以被称WTRU可以被称为协作WTRU和/或成员WTRU。WTRU可以将角色从锚WTRU改变成协作/成员[0084]有ML能力的WTRU被配置有可包括用于CSI导出/信道估计/预测的一个或多个ML模(一个或多个)模型可能已经由WTRU供应商实现或从网络(从服务gNB或可能从另一gNB)预享模型的相同集合。在网络/gNB处存在的模型的第二列表可能已经由除将与之共享/使用ML模型的WTRU外的(一个或多个)WTRU训练，可能在与其中将共享/使用模型的环境类似的信息的响应而发送具有在网络处可用的与WTRU的能力相对应的经训练的ML模型(例如，模可以确立所接收的模型不直接适于信道估计或CSI导出。即使所接收的模型可能不适于直练过程期间可以基于在WTRU处本地可用的数据来更新[0095]指示多少层可以直接被WTRU利用以及多少层将要求重新训练的参数N1的选择可[0097]根据某些示例实施例，WTRU可以被配置成基于由WTRU确与gNB共享经训练的模型或经训练的模型参数以及与训练数据条件有关的一些统计。在示那么WTRU可以向gNB指示模型的仅部分被重新训练。WTRU可以共享仅与经训练的层(例如，[0099]根据一些示例实施例，模型简档可以包括关于与AI/ML模型相关联的版本的配置以将不同版本号指派给对相同AI/ML模型的不同更新，可能在由于训练过程而进行的更新[0102]根据某些示例实施例，模型简档可以包括关于与AI/ML模型相关联的模型性能度[0104]不同级别的模型简档可以被配置成使WTRU能够在信令开销与模型细节的暴露级级别处共享的模型可以是未利用浮点权重而压缩的，或可以具有与级别1相比更低程度的[0108]ML模型有效性依赖于确定ML模型在多长时间内和/或在什么条件下有效的一些条模型迁移一起完全或部分发送/接收的参数的示例包括以下各项中的任何一个或多个：数或多个)训练数据集和/或(一个或多个)验证数据集和/或(一个或多个)测试数据集。它可计处于误差边际(其可以是例如在使用CSI_RS计算ML模型输出与传统CSI计算之间的NMSEML模型被测量/正在被测量的同时，基于信道相干时间的测量结果来确定信道是多快变化测量发送请求的时间到接收经训练的ML模型的数)发送到网络。网络可以基于WTRU与gNB之间的往返时间的知识来确定链路的总通信时的有效性定时器一起发送的ML模型可以向成员WTRU告知ML模型可以仅在Yms内给出误差链路中将针对另一ML模型(参数)的请求发送到g[0118]WTRU可以发送针对模型辅助的能力信息(下文中有时被称为模型辅助信息)，诸[0119]WTRU可以使用上行链路控制信息(UCI)来周期性地或非周期性地发送模型辅助信型相关联的信息的集合可以是经由专用传输(例如，PDSC[0121]gNB还可以将CSI_RS样本发送到WTRU，以观察信道分布特性并选择对所观察的信[0124]gNB然后可以基于辅助信息(例如，信道条件)来配置具有最佳地适于WTRU的AIML[0127]WTRU可以被提供有一个或多个AIML模型。WTRU可以从gNB或另一WTRU接收或下载线电链路监视(RLM)或未许可信道监视/义为模型实现适用功能的所需性能。合适性可以被定义为与适用于WTRU或WTRU的功能的双工/半双工、面板的数目。如果AIML模型适用于其能力中的至少一个，则WTRU可以确定模型可以与至少一个测量结果阈值相关联。WTRU功能可以与至少一个测量结果阈值相关[0137]关于滞后，例如，WTRU可以按照WTRU最近是否已经确定AIML模型不合适来确定[0139]某些实施例可以包括用于检验模型合适性的触发。例如，在验AIML模型的合适性：时间段(例如，WTRU可以被配置有周期性时刻以检验AIML模型合适中N可以是可配置的)时启动定时器。如果WTRU未确定M个成功事件而定时器正在运行，则WTRU可以声明AIML故障检测或者WTRU可以被触发以检验AIML模型合适性)；当WTRU被配置有或接收到模型重新训练资源时(例如，WTRU可以被[0141]触发、其参数和/或用于检验AIML模型的合适性的阈值可以取决于WTRU是否训练WTRU可以被配置有与由WTRU训练和共享的模型相关联的触发或阈值的第一集合以及与在[0142]上面讨论的触发可以被重用作供WTRU请求新模型、对模型的更新和/或资源以重道相干时间中的预配置的阈值的改变可能导致WTRU触发ML模[0147]由WTRU测量的ACK/NACK统计可以指示基于ML的CHEST或CSI导出模型的性能。例CSI报告登记差的上行链路信道条件。gNB可以将减小定时器/计数器的长度的请求发送到[0149]在如下面在章节4.7中描述的误差以触发ML模型的训练/重新训练。网络还可以具有与有ML能力的WTRU的性能度量相对应的由gNB设置的周期性以及在由gNB提示时和/或当WTRU测量到信道相干时间的大改变时，对信道相干时间阈值的超过可以触发WTRU以将相干时间报告给gNB和/或在WTRU处训练/重模型之前改善/重新训练它。示例性场景可以是：当WTRU是与可能要求更多CSI_RS以训练和/或可能耗费更长时间来训练的(一个或多个)相邻WTRU的ML模型相比具有可在严格时间窗中以最小RS开销进行训练的ML模型的唯一W[0152]在一示例中，WTRU可以经由侧链接口直接从相邻WTRU接收针对训练/重新训练的随有很可能请求模型迁移的(一个或多个)相邻WTRU的(一[0153]WTRU可以使用传统信道估计(CHEST)或CSI报告框架作为对ML模型的输出进行评定和/或对神经网络进行校准/重新校准的参考。WTRU可以计算CSI估计模型的输出与传统以与在WTRU处计算的NMSE值成反比。WTRU可以如下面的等式中所示的那样对归一化MSE的等式中所示的那样计算余弦相似性ρ:[0157]类似地，如果在一示例中由WTRU计算的余弦相似性ρ处于预配置的阈值以上，则的重新训练的请求(或者WTRU可以触发余弦相似性的重新测量)。上面提及的阈值可以由[0159]WTRU可以被gNB针对一个或多个性能度量的测量结果而配置有多个阈值(例如，算传统信道估计与ML解码器的输出之间的NMSE。每个阈值可以与具体参数相关联，并且相似性)可以触发WTRU以重新训练ML[0160]WTRU可以被配置有要在其上执行信道估计且计算CSI估计的参考信号的第一集合(例如，CSI_RS)。用于计算CSI估计的参考信号的第一集合的配置可以是高密度且短周期[0161]CSI估计误差的确定的结果可以是AIML模型的训练/重新训练和/或基于上面讨论的参数中的任一个对模型合适性的重新确定和/WTRU可以被配置有用于信道估计/预测/CSI压缩的ML模型的第一集合。(一个或多个)ML模确定针对模型迁移的锚WTRU和/或更新模型的其第[0164]针对模型的第一集合中的所配置的ML模型的辅助信息可以包括以下各项中的一[0167]在gNB处可用的ML模型的第二集合上的指示可以包括以下各项中的一个或多个：[0169]WTRU可以将所测量的信道条件与从gNB接收的针对模型的第二集合中的ML模型的[0174]当误差变得小于所配置的阈值时，WTRU可以向gNB指示ML模型参数更新的完成。[0175]当WTRU确定来自模型的第二集合的适用ML模型时，WTRU可以向gNB指示与优选模[0179]gNB可以选择WTRU作为用于迁移学习的锚，例如当它确定WTRU具有经训练的模型例如在UL中在Uu上或经由侧链直接从另一WTRU接[0181]图4是图示了根据实施例的用于将模型从模型训练器或锚WTRU迁移到用户WTRU可以将无当前ML模型符合其要求的指示417发送到gNB，从而隐式地向gNB指示它将训练它ML模型输出的CSI估计与来自416的使用传统方法而计算的CSI估计之间的差来计算误差e[0192]最后，WTRU可以在425处从gNB接收它已经被选择为用于迁移学习的基础(所指定[0193]图5A是图示了根据实施例的用于将模型从模型用户或成员WTRU迁移到网络节点前ML模型以获得基于ML的CSI估计，并基于使用ML模型的CSI估计与使用传统方法的CSI估基于由WTRU根据周期性/半周期性CSI_RS计算的CSI参数)来微调M[0198]图5B是描绘了根据示例实施例的用于从/向一个或多个UE的UL和/或DL模型迁移参数以外，配置信息可以包括可被UEA用于确定本地AI/ML模型何时实现性能要求的收敛者从UEA接收的模型A的经修改和/或经微调和/或经训练和/或经重新训练和/或经处理练的示例方法的示例流程图。图6的示例方法和本文的附随公开内容可以被视为上面讨论网络节点可用的一个或多个AI/ML模型；与该一个或多个AI/ML模型中的每个相应AI/ML模定该一个或多个AI/ML模型是否适于用于WTRU处的至少一个数可以包括下述各项中的任何一个或多个：与训练AI/ML模型相关联的信道测量结果、与[0207]根据某些示例实施例，该一个或多个AI/ML模型和/或本地AI/ML模型中的任一个[0208]根据代表性实施例的用于处理数据的系统和方法可以由执行存储器设备中包含辅数据储存设备)将这种指令读取到存储器设备中。存储器设备中包含的指令的序列的执软件指令而使用硬接线电路以实现本发明。这种软件可以在机器人辅助/装置(RAA)内和/地在RAA或包含传感器的其他移动设备与包含处理器的远程设备之间传递数据，该处理器而描述的处理中的一些可以是在包含传感器/相机的设备中执行的，而处理的剩余部分可以是在从包含