[发明专利]用于在双连接或多连接配置中路由数据的装置、方法和计算机程序

说明书

根据本公开的各实施例涉及用于在双连接或多连接配置中路由数据的装置、方法和计算机程序。一种装置包括用于在主节点的CU处执行以下项的部件：接收来自一个或多个传入PDU中的个体PDU，其中每个PDU要经由通向主节点的至少一个DU和至少一个辅节点的相应路径中的一个路径被传输给UE设备，UE设备与主节点和至少一个辅节点处于DC或MC；针对路径中的每个路径收集相应的数据集；从输入每个数据集的ML模型接收针对路径中的每个路径的相应的估计传输延迟；基于估计传输延迟来从路径中的每个路径中选择路径；以及经由选择的路径向UE设备传输PDU。

技术领域

各种示例实施例涉及移动或无线电信系统，并且具体地，涉及双连接或多连接配置中的数据路由。

背景技术

移动或无线电信系统的示例可以包括通用移动电信系统(UMTS)地面无线电接入网(UTRAN)、长期演进(LTE)演进型UTRAN(E-UTRAN)、高级LTE(LTE-A)、LTE-A Pro和/或第五代(5G)无线电接入技术(RAT)或新无线电(NR)接入技术。5G或NR无线系统是指下一代(NG)无线电系统和网络架构。据估计，NR将提供约10Gbit/s-20Gbit/s或更高的比特率，并且将至少支持增强型移动宽带(eMBB)和超可靠低延迟通信(URLLC)。NR有望提供超宽带和超鲁棒低延迟连接以及大规模网络，以支持物联网(IoT)。随着IoT和机器对机器(M2M)通信的日益普及，对能够满足较低功耗、高数据速率和长电池寿命需求的网络的需求将日益增长。注意，可以在5G或NR中向用户设备(UE)提供无线电接入功能的节点(即，类似于E-UTRAN中的NodeB或LTE中的eNB)或者可以支持5G或NR以及与下一代核心(也由NGC或5GC表示)的连接的节点可以称为下一代或5G NodeB(也由gNB或5G NB表示)。

发明内容

根据示例实施例，提供了一种装置，该装置包括用于在主节点的中央单元(CU)处执行以下项的部件：接收来自一个或多个传入分组数据单元(PDU)中的个体PDU，其中每个PDU要经由通向主节点的至少一个分布式单元(DU)和至少一个辅节点的相应路径中的一个路径被传输给用户设备(UE)设备，UE设备与主节点和至少一个辅节点处于双连接或多连接；针对路径中的每个路径收集相应的数据集；从输入每个数据集的机器学习模型接收针对路径中的每个路径的相应估计传输延迟；至少基于估计传输延迟来从路径中的每个路径中选择路径；以及经由选择的路径向UE设备传输PDU。

该装置还可以包括用于执行以下操作的部件：在经由选择的路径向UE设备传输PDU之后，时而执行，取决于PDU已经经由选择的路径被传输向主节点的至少一个DU之一或至少一个辅节点之一中的何者，从主节点的至少一个DU之一或至少一个辅节点之一接收针对选择的路径的测量传输延迟。

该装置还可以包括用于执行以下操作的部件：收集有关针对路径中的每个路径的数据集和针对选择的路径的测量传输延迟的信息；确定收集的信息是否验证预定条件；以及当预定条件被验证时，触发机器学习模型的训练。

预定条件可以包括以下至少一项：收集的信息的大小等于或高于预定大小阈值；以及延迟估计误差等于或高于预定误差阈值，延迟估计误差基于针对选择的路径的、估计传输延迟与测量传输延迟之间的比较而被计算。

机器学习模型可以包括神经网络(NN)模型或人工神经网络(ANN)模型。

该装置还可以包括用于执行以下操作的部件：在机器学习模型包括递归神经网络(RNN)模型时，当延迟估计误差等于或高于预定误差阈值时，更新时间间隔，在该时间间隔期间数据集被递归地收集；以及上传与已更新的时间间隔相关联的机器学习模型。

在至少每当机器学习模型的训练被触发的时间段期间，针对选择的路径的测量传输延迟可以被接收，机器学习模型的训练可以包括：针对选择的路径，在机器学习模型中输入的数据集与测量传输延迟之间执行对应。