[发明专利]使用上行链路SRS测量进行基于AI的UE速度估计的方法和装置

说明书

本公开涉及要被提供用于支持超越第4代(4G)通信系统(例如长期演进(LTE))的更高数据速率的pre‑第5代(5G)或5G通信系统。一种无线通信中的装置，包括：通信接口，被配置为从终端接收上行链路(UL)探测参考信号(SRS)；以及至少一个处理器，被配置为根据从终端接收到的UL SRS获得多个UL SRS测量，UL SRS测量的数量超过阈值，从UL SRS测量中提取用于估计终端的移动性的特征，并基于所提取的特征确定终端的类别。方法和装置提取功率谱密度测量集合的特征、或UL SRS测量的经预处理的频域实部和虚部集合的特征，并将特征馈送到人工智能(AI)分类器以用于UE速度估计。

技术领域

本公开总体上涉及用于基于上行链路探测参考信号(SRS)信道测量输入进行人工智能(AI)辅助的用户设备(UE)速度估计的方法和装置。特别地，方法和装置提取功率谱密度测量集合的特征、或UL SRS测量的经预处理的频域实部和虚部集合的特征，并将该特征馈送到AI分类器以用于UE速度估计。

背景技术

为了满足自部署4G通信系统以来对无线数据流量增加的需求，已经做出努力来开发改进的5G或pre-5G通信系统。因此，5G或pre-5G通信系统也被称为“超4G网络”或“后LTE系统”。

5G通信系统被认为是在更高的频率(毫米波)频段(例如，28GHz或60GHz频段)中实现的，以便实现更高的数据速率。为了减少无线电波的传播损耗并增加传输距离，在5G通信系统中讨论了波束成形、大规模多输入多输出(MIMO)、全尺寸MIMO(FD-MIMO)、阵列天线、模拟波束成形、大规模天线技术。

此外，在5G通信系统中，基于高级小型小区、云无线电接入网(RAN)、超密集网络、设备到设备(D2D)通信、无线回程、移动网络、协作通信、协调多点(CoMP)、接收端干扰消除等的系统网络改进开发正在进行中。

在5G系统中，作为高级编码调制(ACM)已经开发了混合FSK和QAM调制(FQAM)以及滑动窗口叠加编码(SWSC)，并且作为高级接入技术已经开发了滤波器组多载波(FBMC)、非正交多址(NOMA)和稀疏码多址(SCMA)。

有关终端速度或终端速度所落入的类别的知识对于优化各种无线电资源管理功能(诸如切换、移动性负载平衡和网络上的传输调度)至关重要。一个简单的例子可以是，对于传输调度，网络可以针对高速用户使用频率多样化调度，以使接收的鲁棒性最大化。另一方面，针对低速用户，对于网络而言最好提供局部频率调度，以使系统频谱效率最大化。作为移动性鲁棒性优化的一部分，网络可以基于终端的移动性不同地调整其切换参数。对于毫米波系统，考虑到终端使用的各种波束的信道属性的相关性，估计终端速度可能对波束预测(和信道预测技术)有用。这可以显著减少毫米波系统通常涉及的波束扫描和波束扫掠时间。

发明内容

问题的解决方案

本公开提供了基于上行链路探测参考信号(SRS)信道测量输入来分类或确定用户设备(UE)的速度的人工智能(AI)辅助方法。

在第一实施例中，提供了一种用于执行无线通信的装置。该装置包括：通信接口，被配置为测量从移动客户端设备发送的上行链路(UL)SRS；以及处理器，被配置为缓冲从移动客户端设备的UL SRS传输导出的多个UL SRS测量，UL SRS测量的数量超过阈值，从ULSRS测量中提取特征，获得用于确定要被用于估计与移动客户端设备相关联的移动性的类别的机器学习(ML)分类器，并通过将所提取的特征应用于ML分类器来确定移动客户端设备的类别。

在第二实施例中，一种用于估计移动客户端设备的速度的方法，包括：测量从移动客户端设备发送的UL SRS；缓冲从移动客户端设备的UL SRS传输导出的多个UL SRS测量，UL SRS测量的数量超过阈值；从UL SRS测量中提取特征；获得用于确定要被用于估计与移动客户端设备相关联的移动性的类别的ML分类器；以及通过将所提取的特征应用于ML分类器来确定移动客户端设备的类别。