[发明专利]用于无线网络的端到端机器学习

说明书

描述了用于生成用于无线网络的端到端机器学习配置的技术和装置。端到端机器学习控制器(318)确定用于处理通过无线网络中的端到端通信(1902，1904)所交换的信息的端到端机器学习配置(2115，2230)。该端到端机器学习控制器获得在端到端通信中利用的一个或多个设备的能力(在2215处，在2220处)。该端到端机器学习控制器(318)确定用于处理通过端到端通信(1902，1904)所交换的信息的端到端机器学习配置(2115，2230)，并且通过基于端到端机器学习配置形成一个或多个深度神经网络(1908、1910、1912、1914、1916、1918)来引导一个或多个设备(110，120，302)处理通过端到端通信(1902，1904)所交换的信息。

背景技术

无线通信系统的演进经常源于对数据吞吐量的需求。作为一个示例，随着越来越多的设备获得对无线通信系统的接入，对数据的需求增加。演进设备还执行比传统应用利用更多数据的数据密集型应用，诸如数据密集型流视频应用、数据密集型社交媒体应用、数据密集型音频服务等。这种增长的需求有时能够耗尽无线通信系统的数据资源。因此，为了适应增加的数据使用，相对于传统无线通信系统，演进的无线通信系统利用日益复杂的架构来提供更多数据吞吐量。

作为一个示例，第五代(5G)标准和技术使用诸如6千兆赫(GHz)以上频带的较高频率范围(例如，5G毫米波(mmW)技术)来传送数据以增加数据容量。然而，使用这些较高频率范围来传送和恢复信息提出了挑战。为了说明，相对于低频信号，高频信号更易于受到多径衰落、散射、大气吸收、衍射、干扰等影响。当在接收器处恢复信息时，这些信号失真经常导致误差。作为另一示例，能够传送、接收、路由和/或以其他方式使用这些较高频率的硬件可能是复杂且昂贵的，这增加了无线网络设备中的处理成本。

发明内容

本文档描述了用于无线系统的端到端(E2E)机器学习的技术和装置。各方面描述了一种获得与无线网络中的端到端通信相关联的设备的能力的端到端机器学习控制器。在一些实现方式中，端到端机器学习控制器获得至少一个设备的机器学习(ML)能力。响应于获得能力，端到端机器学习控制器基于设备的能力来确定端到端机器学习配置(E2E ML配置)，并且将端到端机器学习配置传达到一个或多个设备。可替代地或附加地，端到端机器学习控制器引导这些设备中的每个设备基于端到端机器学习配置来形成相应深度神经网络，并且使用相应深度神经网络来处理端到端通信。

一个或多个方面描述了一种用户设备(UE)，其将由该用户设备支持的一种或多种能力传送到诸如在网络实体处实现的端到端机器学习控制器。UE基于用于处理通过端到端通信所交换的信息的端到端机器学习配置来接收神经网络形成配置。UE使用神经网络形成配置来形成深度神经网络，然后使用深度神经网络来处理通过端到端通信所交换的信息。

在附图和以下描述中阐述了用于无线网络的端到端机器学习的一个或多个实现方式的细节。从说明书和附图以及从权利要求书中，其它特征和优点将是显而易见的。提供本发明内容以介绍将在具体实现方式和附图中进一步描述的主题。因此，本发明内容不应被认为是描述必要特征，也不应被用于限制所要求保护的主题的范围。

附图说明

下面描述无线网络的端到端机器学习的一个或多个方面的细节。在说明书和附图中的不同实例中使用相同的附图标记指示类似的元件：

图1图示了其中可以实现用于无线网络的端到端机器学习的各个方面的示例环境。

图2图示了可以实现用于无线网络的端到端机器学习的各个方面的设备的示例设备图。

图3图示了可以实现用于无线网络的端到端机器学习的各个方面的设备的示例设备图。

图4图示了可以实现用于无线网络的端到端机器学习的各个方面的示例机器学习模块。

图5图示了由设备用于处理通过无线通信系统所传送的通信的处理链的示例框图。

图6图示了在无线通信系统中利用多个深度神经网络的示例操作环境。