一种模型生成方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种模型生成方法、装置、设备及可读存储介质，涉及通信技术领域，以降低空口开销。该方法包括：向终端发送第一信息，所述第一信息包括生成器模型的信息和辨别器模型的信息；接收所述终端发送的第一生成器模型的信息，其中，所述第一生成器模型是所述终端根据所述第一信息和初始模型生成的；所述初始模型是所述终端从所述网络设备获取的或者预先配置在所述终端的。本申请实施例可以降低空口开销。口开销。口开销。

【技术实现步骤摘要】
一种模型生成方法、装置、设备及可读存储介质


[0001]本申请涉及通信
，尤其涉及一种模型生成方法、装置、设备及可读存储介质。

技术介绍

[0002]现有的下行信道数据的获取通常有两种方法：(1)由链路级的仿真系统产生；(2)由终端测量和进行信道估计后，并对于估计结果进行统计量化后周期性进行反馈。
[0003]现有的外挂式的AI(Artificial Intelligence，人工智能)应用模式使得AI模型的训练和推理解耦，基于AI模型验证只能事后进行，缺乏有效的验证和保障手段。当前智能模型的训练和迭代优化均在线下完成，实时性差且缺乏直接关联性。当模型上线后，网络性能指标低于预期时，仅能通过“回退”机制来避免AI模型的负面影响，存在滞后性。
[0004]未来基于内生AI的网络需要引入数字孪生的拟真仿真网络，实现模型的事先验证。但是数字孪生仿真网络从物理网络采集数据开销大，尤其是物理层信道相关的数据，由于时间颗粒度小，因此，对空口的传输需求更高。
[0005]如果采用终端的反馈来产生数字孪生仿真网络需要的数据，但是现有终端的反馈的信道数据(比如CQI(Channel quality indicator，信道质量指示)/PMI(Precoding matrix indicator，预编码矩阵指示)/RI(Rank indicator，秩指示))都是经过统计量化处理后的数据，并且上报的周期较大，不能满足信道建模的需求。如果要求终端直接上报完整的信道数据，比如信道H矩阵，由于时间颗粒度小(毫秒级)，数据量非常大，对空口的开销大。

技术实现思路

[0006]本申请实施例提供一种模型生成方法、装置、设备及可读存储介质，以降低空口开销。
[0007]第一方面，本申请实施例提供了一种模型生成方法，应用于网络设备，包括：
[0008]向终端发送第一信息，所述第一信息包括生成器模型的信息和辨别器模型的信息；
[0009]接收所述终端发送的第一生成器模型的信息，其中，所述第一生成器模型是所述终端根据所述第一信息和初始模型生成的；所述初始模型是所述终端从所述网络设备获取的或者预先配置在所述终端的。
[0010]其中，在所述接收所述终端发送的第一生成器模型的信息之前，所述方法还包括：
[0011]向所述终端发送所述初始模型，所述初始模型包括：生成器初始模型和辨别器初始模型。
[0012]其中，在所述接收所述终端发送的第一生成器模型的信息之后，所述方法还包括：
[0013]聚合多个所述第一生成器模型，得到第二生成器模型的信息。
[0014]其中，在所述聚合所述第一生成器模型，得到第二生成器模型的信息之后，所述方
法还包括：
[0015]向拟真的仿真无线接入网络发送所述第二生成器模型的信息。
[0016]其中，所述向终端发送第一信息，包括：
[0017]通过控制面信令向所述终端发送所述第一信息；
[0018]其中，所述生成器模型的信息包括生成器的输入维度；所述辨别器模型的信息包括：辨别器的输入维度。
[0019]其中，所述生成器模型的信息还包括以下一项或者多项：
[0020]生成器的输入，生成器的模型文件的格式；
[0021]所述辨别器模型的信息还包括以下一项或者多项：
[0022]辨别器的输入，辨别器的模型文件的格式。
[0023]其中，所述向所述终端发送所述初始模型，包括以下任意一项：
[0024]在控制面信令中，通过容器的方式向所述终端发送所述初始模型；
[0025]通过用户面信令向所述终端发送所述初始模型。
[0026]其中，当所述初始模型包括多个分片时，在所述控制面信令中，包括第一指示信息和第二指示信息，其中，所述第一指示信息用于指示分片是否为最后一个分片，所述第二指示信息用于指示分片编号。
[0027]其中，所述用户面信令的包头中包括第三指示信息和/或第四指示信息；所述第三指示信息用于指示所述用户面信令用于传输初始模型；所述第四指示信息用于表示传输会话的标识。
[0028]其中，当所述初始模型包括多个分片时，在所述用户面信令中，包括第五指示信息和第六指示信息，其中，所述第五指示信息用于指示分片是否为最后一个分片，所述第六指示信息用于指示分片编号。
[0029]其中，所述聚合多个所述第一生成器模型，得到第二生成器模型的信息，包括：
[0030]通过多个所述第一生成器模型得到多个中间数据，其中，每个第一生成器模型的输入为每个第一生成器模型对应的第一随机序列；
[0031]将多个中间数据作为待训练的辨别器的输入，将第二随机序列作为待训练的生成器的输入，迭代训练所述待训练的生成器和所述待训练的辨别器，得到第二生成器模型的信息。
[0032]其中，在所述通过多个所述第一生成器模型得到多个中间数据之后，所述方法还包括：
[0033]对多个中间数据进行预处理；
[0034]所述将多个中间数据作为待训练的辨别器的输入，包括：
[0035]将预处理后的多个中间数据作为待训练的辨别器的输入。
[0036]其中，所述向拟真的仿真无线接入网络发送所述第二生成器模型的信息，包括：
[0037]向所述拟真的仿真无线接入网络发送所述第二生成器模型的元文件信息和/或所述第二生成器模型的模型文件；
[0038]其中，所述第二生成器模型的元文件信息包括以下一项或者多项：所述第二生成器模型的输入维度，所述第二生成器模型的输出维度。
[0039]其中，所述第二生成器模型的元文件信息还包括以下一项或者多项：
[0040]所述第二生成器模型的网络架构描述；所述第二生成器模型的模型文件的格式；权重；梯度。
[0041]第二方面，本申请实施例提供了一种模型生成方法，应用于终端，包括：
[0042]接收网络设备发送的第一信息，所述第一信息包括生成器模型的信息和辨别器模型的信息；
[0043]根据所述第一信息和初始模型生成第一生成器模型；
[0044]向所述网络设备发送所述第一生成器模型的信息。
[0045]其中，所述初始模型是所述终端从所述网络设备获取的或者预先配置在所述终端的；所述初始模型包括生成器初始模型和辨别器初始模型。
[0046]其中，所述接收网络设备发送的第一信息，包括：
[0047]接收所述网络设备通过控制面信令发送的所述第一信息；
[0048]其中，所述生成器模型的信息包括生成器的输入维度；所述辨别器模型的信息包括：辨别器的输入维度。
[0049]其中，所述生成器模型的信息还包括以下一项或者多项：
[0050]生成器的输入，生成器的模型文件的格式；
[0051]所述辨别器模型的信息还包括以下一项或者多项：
[0052]辨别器的输入，辨别器的模型文件的格式。
[0053]其中，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型生成方法，应用于网络设备，其特征在于，包括：向终端发送第一信息，所述第一信息包括生成器模型的信息和辨别器模型的信息；接收所述终端发送的第一生成器模型的信息，其中，所述第一生成器模型是所述终端根据所述第一信息和初始模型生成的；所述初始模型是所述终端从所述网络设备获取的或者预先配置在所述终端的。2.根据权利要求1所述的方法，其特征在于，在所述接收所述终端发送的第一生成器模型的信息之前，所述方法还包括：向所述终端发送所述初始模型，所述初始模型包括：生成器初始模型和辨别器初始模型。3.根据权利要求1所述的方法，其特征在于，在所述接收所述终端发送的第一生成器模型的信息之后，所述方法还包括：聚合多个所述第一生成器模型，得到第二生成器模型的信息。4.根据权利要求3所述的方法，其特征在于，在所述聚合所述第一生成器模型，得到第二生成器模型的信息之后，所述方法还包括：向拟真的仿真无线接入网络发送所述第二生成器模型的信息。5.根据权利要求1所述的方法，其特征在于，所述向终端发送第一信息，包括：通过控制面信令向所述终端发送所述第一信息；其中，所述生成器模型的信息包括生成器的输入维度；所述辨别器模型的信息包括：辨别器的输入维度。6.根据权利要求5所述的方法，其特征在于，所述生成器模型的信息还包括以下一项或者多项：生成器的输入，生成器的模型文件的格式；所述辨别器模型的信息还包括以下一项或者多项：辨别器的输入，辨别器的模型文件的格式。7.根据权利要求2所述的方法，其特征在于，所述向所述终端发送所述初始模型，包括以下任意一项：在控制面信令中，通过容器的方式向所述终端发送所述初始模型；通过用户面信令向所述终端发送所述初始模型。8.根据权利要求7所述的方法，其特征在于，当所述初始模型包括多个分片时，在所述控制面信令中，包括第一指示信息和第二指示信息，其中，所述第一指示信息用于指示分片是否为最后一个分片，所述第二指示信息用于指示分片编号。9.根据权利要求7所述的方法，其特征在于，所述用户面信令的包头中包括第三指示信息和/或第四指示信息；所述第三指示信息用于指示所述用户面信令用于传输初始模型；所述第四指示信息用于表示传输会话的标识。10.根据权利要求9所述的方法，其特征在于，当所述初始模型包括多个分片时，在所述用户面信令中，包括第五指示信息和第六指示信息，其中，所述第五指示信息用于指示分片是否为最后一个分片，所述第六指示信息用于指示分片编号。11.根据权利要求3所述的方法，其特征在于，所述聚合多个所述第一生成器模型，得到
第二生成器模型的信息，包括：通过多个所述第一生成器模型得到多个中间数据，其中，每个第一生成器模型的输入为每个第一生成器模型对应的第一随机序列；将多个中间数据作为待训练的辨别器的输入，将第二随机序列作为待训练的生成器的输入，迭代训练所述待训练的生成器和所述待训练的辨别器，得到第二生成器模型的信息。12.根据权利要求11所述的方法，其特征在于，在所述通过多个所述第一生成器模型得到多个中间数据之后，所述方法还包括：对多个中间数据进行预处理；所述将多个中间数据作为待训练的辨别器的输入，包括：将预处理后的多个中间数据作为待训练的辨别器的输入。13.根据权利要求4所述的方法，其特征在于，所述向拟真的仿真无线接入网络发送所述第二生成器模型的信息，包括：向所述拟真的仿真无线接入网络发送所述第二生成器模型的元文件信息和/或所述第二生成器模型的模型文件；其中，所述第二生成器模型的元文件信息包括以下一项或者多项：所述第二生成器模型的输入维度，所述第二生成器模型的输出维度。14.根据权利要求13所述的方法，其特征在于，所述第二生成器模型的元文件信息还包括以下一项或者多项：所述第二生成器模型的网络架构描述；所述第二生成器模型的模型文件的格式；权重；梯度。15.一种模型生成方法，应用于终端，其特征在于，包括：接收网络设备发送的第一信息，所述第一信息包括生成器模型的信息和辨别器模型的信息；根据所述第一信息和初始模型生成第一生成器模型；向所述网络设备发送所述第一生成器模型的信息。16.根据权利要求15所述的方法，其特征在于，所述初始模型是所述终端从所述网络设备获取的或者预先配置在所述终端的；所述初始模型包括生成器初始模型和辨别器初始模型。17.根据权利要求15所述的方法，其特征在...

【专利技术属性】
技术研发人员：李刚，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：