CN119422338A 用于报告无线通信系统中的信道状态信息的方法及装置 （三星电子株式会社）

2024.12.24PCT/KR2023/0084182023.06.19WO2023/249342KO2023.12.28号用于报告无线通信系统中的信道状态信息提供了一种第五代(5G)或第六代(6G)通信系统，用于支持诸如长期演进(LTE)的第四代人工智能(AI)模型对基站(BS)和UE之间估计的码的AI模型与BS中的用于解码的AI模型相关联于CSI数据确定更新用于编码的AI模型时，接收21.一种用户设备UE的用于无线通信系统中的信道状态信息CSI的报告的方法，所述方通过用于编码的人工智能AI模型对基站BS和所述UE之间的估计的CSI数据进行压缩，当所述BS基于所述CSI数据确定更新所述用于编码的AI模型时，接收用于更新所述用2.一种基站BS的用于无线通信系统中的信道状态信息CSI的报告的方法，所述方法包从UE接收通过用于编码的AI模型压缩的CSI数据，所述用于编码的AI模型与所述BS的通过用于编码的人工智能AI模型对基站BS和所述UE之间的估计的CSI数据进行压缩，当所述BS基于所述CSI数据确定更新所述用于编码的AI模型时，接收用于更新所述用当所述BS接收到的上行UL信号的解码性能不满足预设阈值或基于所述UL信号检测到基于根据所述信道估计配置信息设置的间隔来发送所述当所述UE接收到的下行DL信号的解码性能不满足预设阈值或基于所述DL信号检测到从所述BS接收对所述CSI数据的请求，对所述CSI数据的请求基于用于更新3当所述BS接收到的UL信号的解码性能不满足预设阈值时，经压缩的CSI被识别为具有用于更新所述用于编码的AI模型的信息包括：指示在发送到所述BS的多个CSI数据中从用户设备UE接收通过用于编码的AI模型压缩的CSI，所述用于编码的AI模型与所述当所述BS接收到的上行UL信号的解码性能不满足预设阈值或者基于所述UL信号检测基于根据所述信道估计配置信息设置的间隔来接收所述当所述UE接收到的下行DL信号的解码性能不满足预设阈值或者基于所述DL信号检测当所述BS接收到的UL信号的解码性能不满足预设阈值时，识别出经压缩的CSI中存在4[0003]在预计到2030年左右实现的6G通信系统中，最大传输速率为每秒1太(tera)比特[0004]为了获得这些高数据传输速率和超低延迟，认为6G通信系统在太赫兹(THz)频带论用于增加THz频段信号覆盖的新技术，例如基于超材料的透镜和天线、使用轨道角动量输同时使用相同频率资源的全双工技术、综合使用卫星和高空平台站(HAPS)等的网络技(例如，移动边缘计算(MEC)云)实现复杂性超过终端计算能力极限的服务的下一代分布式[0006]随着6G通信系统的这种研究和开发，预计通过6G通信系统的超连接(不仅包括事5[0008]本公开的实施方式提供了一种执行基于人工智能(简称AI)模型的信道状态信息[0010]提供了一种第五代(5G)或第六代(6G)通信系统，用于支持诸如长期演进(LTE)的数据发送到BS，以及在BS基于CSI数据确定更新用于编码的AI模型时接收用于更新用于编[0025]根据实施方式，用于报告无线通信系统中的信道状态信息(CSI)的用户设备(UE)的方法可以包括：通过用于编码的人工智能(AI)模型压缩基站(BS)和UE之间估计的CSI数6等。7[0040]尽管本公开的以下实施方式将集中于作为示例的长期演进(LTE)、LTE_Advanced(LTE_A)或第五代(5G)系统，但是它们可以应用于具有类似技术背景或信道类型的其它通技术人员判断时不显著偏离本公开的范围的程度程序指令可以被加载到通用计算机、专用计算机或其它可编程数据处理设备的处理器上，并且因此它们生成用于在由计算机或其它可编程数据处理设备的处理器执行时执行流程[0045]作为LTE之后的未来通信系统，5G通信系统需要自由地反映来自用户和服务提供[0046]eMBB的目的是提供比LTE、LTE_A或LTE_Pro可以支持的更多的增强数据速率。例8宽用于信号传输，但是5G通信系统可以使用在3到6GHz频带中或在6GHz或更高频带中宽于为了使mMTC有效地提供IoT，要求对来自小区中大量终端的接入的支持、增强的终端的覆道状态信息(CSI)RS(CSI_RS)作为示例。UE可以基于CSI_RS来估计BS和UE之间的信道。此于压缩输入数据的编码器和用于通过将经压缩的数据重建为等于输入数据来获得输出数9[0059]编码器110可以在UE中实现。UE可以基于从BS接收到的CSI_RS估计UE与BS之间的r个[0067]此外，UE可以通过使用特征值分解(EVD)如方程式3中分解信道矩阵通[0071]由于可以在获得关于V的信息时确定信道矩阵传统的CSI报告是通[0074]编码器110的用于编码的AI模型和解码器120的用于解码的输入V之间的差异执行反向传播过程。训练可以通过更新用于编码的AI模型的NN配置信息如，BS可以通过例如现场测试或者实时获取从多个UE接收到的CSI数据来预先获取CSI数[0075]用于编码的AI模型的NN配置信息可以包括关于用于编码的AI模型包括的卷积层[0076]自编码器的用于编码的AI模型和用于解码的AI模型可以在BS或单独的服务器中[0078]同时，用于CSI压缩的自编码器的结构分别包括UE侧用于编码的AI模型和BS侧用于解码的AI模型。即使当自编码器的性能由于网络或信道条件或数据特点的改变而恶化法，BS在一定时间/情况下从UE收集V值，并使用所收集的V分析当前环境中的AI模型的性[0080]参照图2，BS可以将从UE接收的经压缩的CSI数据z输入用于解码的AI模型的第一[0081]第一激活层220可以对每一个特征图给出非线性特点。第一激活层220可以包括线性特点是指改变第一卷积层210输出的特征图的一些样本值，并输出结果。在这种情况[0082]第一激活层220确定是否将从第一卷积层210输出的特征图的样本值转发至第二些样本值被第一激活层220去激活而不转发至第二卷积层230。第一激活层220强调由特征[0083]将从第一激活层220输出的特征图225输入到第二卷积层230。标记在第二卷积层[0086]如结合图2所描述的，用于编码的AI模型(未示出)可以具有与用于解码的AI模型层信令接收NN配置信息，并基于接收到的NN配置信息为用于编码的AI模型配置参数。UE半持续性或非周期性地向BS120发送经压缩的UE110接收更新用于编码的AI模型的请求，UE110可以通过物理上行物理上行控制信道(PUCCH)向BS120发送收的CSI数据与基于来自UE110的经压缩的CSI数据通过使用用于解码的AI模型而重建的[0096]当经重建的CSI数据与接收到的CSI数据的差值等于或大于预设阈值时，BS120可[0098]在实施方式中，BS120可以请求UE110使用用于更新用于编码的AI模型的AI模型的请求可以包括要通过改变应用的用于编码的AI模型的NN配置信息或用于指示[0099]在另一个实施方式中，BS120可以指示UE110使用用于更新用于编码的A信息训练用于编码的AI模型。训练用于编码的AI模型的指示可以包括对特定CSI数据执行BS120可以向UE110发送指示符以指示与误差有关的CSI数据。通过指示与误差有关的CSI微调。经压缩CSI数据中的每一个的CSI数据时，BS120可以基于接收对用于编码的AI模型和用于解码的AI模型进行训练。BS120可以向UE110发送作为训练结果的用于编码的更新的AI模于接收到的CSI_RS获得表示UE与BS之间的信道的信道矩阵》.其中，CSI数据可以是通过使用SVD或EVD从信道矩阵中获得的V。UE110可以通过将CSI数据输入用于编码的AI模UE110接收的探测参考信号(SRS)估计UL信道来检测信道状态的改变。信道状态的改变可比特。这意味着发送最近发送的2N+1个经压缩的CSI数据的所有CSI数据或一些CSI数据(1数据的请求中包括的指示符来识别CSI数据的部分。UE110可以基于该识别向BS120发送经重建的CSI数据与接收到的CSI数据之间的差值等于或大于预设阈值时，BS120可以识别和用于解码的AI模型，使得接收到的CSI数据与经重建的CSI数据之间的误差小于预设阈多个经压缩的CSI数据中的至少一个经压缩的[0140]在操作S740中，当从BS接收到对CSI数据的请求时，UE可以确定是否接收到指示数据。对CSI数据的请求可以包括指定多个CSI数据中的至少一个的索引或时间戳或CSI数组成V的复数中至少一些复数的索引。索引可以是整数值、整数范围或由整数值组成的坐半持久性或非周期性时，信道估计配置信息可以包括关于发送CSI数据的间隔的信息。当于接收到的CSI_RS获得表示UE与BS之间的信道的信道矩阵》.CSI数据可以是通过使用SVD[0151]在操作S850中，UE110可以根据信道估计配置信息确定基于间隔设置发作S870可以与上文参照图3所描述的操作S于接收到的CSI_RS获得表示UE与BS之间的信道的信道矩阵CSI数据可以是通过使用SVD[0161]在操作S920中，BS120可以向UE110发送DL信号。DL信号110可以通过PDSCH或BS120可以请求最近的2n+1个或一些[0171]在操作S1020中，BS可以识别在CSI剖析和重新训练过程之后是否已经解决了误[0176]UE1100的接收器和发送器统称为收发器1110，其可以向BS或网络实体发送或接[0179]处理器1120可以控制UE1100根据上述本公开的实施方式操作的一系列过程定基于CSI数据更新用于编码的AI模型时，处理器1120可以接收用于更新用于编码的AI模收发器1210可以包括用于向上转换要发送的信号的频率并放大信号的RF发送器和用于低如神经处理单元(NPU)的专用人工智能(AI)处理器。一个或多个处理器可以根据存储器中义的操作规则或AI模型是指通过学习算法利用大量的训练数据训练基本的AI模型(或深度可以被至少临时存储或任意创建在存储介质中，该存储介质可以是诸如制造商的服务器、