一种数据传输方法、装置及设备制造方法及图纸

本发明专利技术公开了一种数据传输方法、装置及设备，终端侧的方法包括：终端获取待反馈的ACK/NACK序列；终端选择应用于所述ACK/NACK序列的机器学习模型；终端通过所述机器学习模型，对所述ACK/NACK序列进行压缩，得到指示序列；终端将所述指示序列发送给所述网络设备。本发明专利技术的方案可以降低ACK/NACK反馈的开销。的方案可以降低ACK/NACK反馈的开销。的方案可以降低ACK/NACK反馈的开销。

【技术实现步骤摘要】
一种数据传输方法、装置及设备


[0001]本专利技术涉及通信
，尤其涉及一种数据传输方法、装置及设备。

技术介绍

[0002]在6G超大规模机器通信中，网络可支持的机器密度达到每平方米10个机器或者每立方米100个机器，上述机器通常仅零星地发送一些较小的数据包，采用传统的基于调度的通信方式，将会导致很大的接入信令开销，而基于竞争的免调度通信可以减小接入信令开销。但是，在如此超大规模的基于竞争的机器通信中，如果对PUSCH(物理上行共享信道)采用bitmap(位图)的ACK/NACK机制或者ACK/NACK加UE ID的方式，将会导致很大的下行反馈开销。此外，如果对6G PDSCH(物理下行共享信道)继续采用5G的ACK/NACK反馈机制，将导致很大的上行反馈开销。
[0003]现有的针对PUSCH的ACK/NACK反馈方法包括：
[0004]基站将每个UE ID与一个ACK/NACK-Inactive比特对应，即bitmap的方法，具体地，可以用1代表ACK，0代表NACK或者终端处于inactive状态；然后基站把这个长本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据传输方法，其特征在于，应用于终端，所述方法包括：终端获取待反馈的ACK/NACK序列；终端选择应用于所述ACK/NACK序列的机器学习模型；终端通过所述机器学习模型，对所述ACK/NACK序列进行压缩，得到指示序列；终端将所述指示序列发送给所述网络设备。2.根据权利要求1所述的数据传输方法，其特征在于，终端选择应用于所述ACK/NACK序列的机器学习模型，包括：所述终端根据所述网络设备的机器学习模型指示信息选择应用于所述ACK/NACK序列的机器学习模型。3.根据权利要求1所述的数据传输方法，其特征在于，终端选择应用于所述ACK/NACK序列的机器学习模型，包括：终端根据所述ACK/NACK序列选择应用于所述ACK/NACK序列的机器学习模型。4.根据权利要求3所述的数据传输方法，其特征在于，还包括：终端将选择的应用于所述ACK/NACK序列的机器学习模型的指示信息发送给所述网络设备。5.根据权利要求1所述的数据传输方法，其特征在于，终端将所述指示序列发送给所述网络设备，包括：终端将指示序列，以上行控制信道或上行共享信道发送给所述网络设备。6.根据权利要求4所述的数据传输方法，其特征在于，还包括：终端将指示序列以及该指示序列对应的所述机器学习模型的指示信息，一同以上行共享信道或上行控制信道发送给所述网络设备。7.根据权利要求4所述的数据传输方法，其特征在于，还包括：终端将指示序列以及该指示序列对应的所述机器学习模型的指示信息，分别以上行共享信道和上行控制信道，或者分别以上行控制信道和上行共享信道，发送给所述网络设备。8.根据权利要求1所述的数据传输方法，其特征在于，还包括：所述终端接收所述网络设备通过无线资源控制RRC信令或者媒体访问控制-控制单元MAC CE信令或物理层信令发送的机器学习模型指示信息。9.根据权利要求5所述的数据传输方法，其特征在于，所述机器学习模型指示信息由所述网络设备中的一个或所有网络设备发送。10.根据权利要求1所述的数据传输方法，其特征在于，所述机器学习模型由以下过程进行训练和分发：所述终端获取待反馈的ACK/NACK序列；所述终端将所述ACK/NACK序列进行存储；所述终端对存储的所述ACK/NACK序列进行分组，进行机器学习模型训练，生成多组机器学习模型，并将其上报给网络设备。11.根据权利要求10所述的数据传输方法，其特征在于，所述终端通过以下过程将训练好的模型上报给所述网络设备：所述终端通过RRC信令或MAC CE或物理层信令将训练的机器学习模型上报给所述网络设备。
12.一种机器学习模型的训练与分发方法，应用于网络设备侧，所述方法包括：所述网络设备获取待训练的ACK/NACK序列，并进行存储；所述网络设备对存储的所述ACK/NACK序列进行分组，进行机器学习模型训练，生成多组机器学习模型；所述网络设备对所述机器学习模型进行存储；所述网络设备将存储的所述机器学习模型，使用RRC信令或MAC CE或物理层信令分发给终端。13.根据权利要求12所述的机器学习模型的训练与分发方法，其特征在于，所述机器学习模型训练过程和分发过程，进一步包括：所述网络设备中的一个或所有网络设备执行；每隔一个固定周期重复进行一次。14.根据权利要求12所述的机器学习模型的训练与分发方法，其特征在于，还包括：所述网络设备将所述终端上报的机器学习模型进行存储；所述网络设备将存储的所有不同终端的机器学习模型，使用RRC信令或MAC CE或物理层信令分发给终端。15.根据权利要求12所述的机器学习模型的训练与分发方法，其特征在于，所述对存储的所述ACK/NACK序列进行分组，可以按照序列长度和ACK的占比进行分组。16.一种数据传输方法，其特征在于，应用于网络设备，所述方法包括：网络设备获取待反馈的ACK/NACK序列；网络设备选择应用于所述ACK/NACK序列的机器学习模型，并将选择的所述机器学习模型的指示信息发送给所述终端；网络设备通过所述机器学习模型，对所述ACK/NACK序列进行压缩，得到指示序列；网络设备将所述指示序列发送给所述终端。17.根据权利要求16所述的数据传输方法，其特征在于，还包括：所述网络设备通过无线资源控制RRC信令或者媒体访问控制控制单元MAC CE信令或物理层信令向终端发送机器学习模型指示信息。18.根据权利要求16所述的数据传输方法，其特征在于，所述机器学习模型由以下过程进行训练和分发：所述网络设备获取待反馈的ACK/NACK序列；所述网络设备对所述ACK/NACK序列进行存储；所述网络设备对存储的ACK/NACK序列进行分组，进行机器学习模型训练，生成多组机器学习模型；所述网络设备对所述机器学习模型进行存储；所述网络设备将所述存储的训机器学习模型，使用RRC信令或MAC CE或物理层信令分发给终端。19.根据权利要求18所述的数据传输方法，其特征在于，所述机器学习模型训练过程和分发过程，进一步包括：每隔一个固定周期重复进行一次。20.根据权利要求18所述的数据传输方法，其特征在于，所述对存储的ACK/NACK序列进
行分...

【专利技术属性】
技术研发人员：杨现俊，索士强，
申请(专利权)人：大唐移动通信设备有限公司，
类型：发明
国别省市：