信息发送方法、通信节点及存储介质技术

本申请提供一种信息发送方法、通信节点及存储介质。该方法生成神经网络的参数；发送第一信息，所述第一信息包括所述神经网络的参数。数。数。

【技术实现步骤摘要】
信息发送方法、通信节点及存储介质


[0001]本申请涉及无线通信网络
，例如涉及一种信息发送方法、通信节点及存储介质。

技术介绍

[0002]通过神经网络可以实现特定的功能，例如预测或识别等。在使用神经网络之前，需要先对神经网络进行训练，为了保证神经网络的性能，在训练过程中需要使用大量的训练数据集，否则训练不充分会导致神经网络的参数不合适，预测或识别的正确率偏低。对于用户端而言，在使用神经网络的功能之前，需要在本地先构建神经网络并采用大量的训练数据集进行训练，不断优化神经网络的参数，此过程对用户端设备的能力要求较高且非常耗时。

技术实现思路

[0003]本申请提供一种信息发送方法、通信节点及存储介质。
[0004]本申请实施例提供一种信息发送方法，包括：
[0005]生成神经网络的参数；
[0006]发送第一信息，所述第一信息包括所述神经网络的参数。
[0007]本申请实施例还提供了一种信息发送方法，包括：
[0008]生成第二信息，所述第二信息用于供第一通信节点执行神经网络计算；
[0009]发送所述第二信息。
[0010]本申请实施例还提供了一种通信节点，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的信息发送方法。
[0011]本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述的信息发送方法。
附图说明<br/>[0012]图1为一实施例提供的一种信息发送方法的流程图；
[0013]图2为一实施例提供的另一种信息发送方法的流程图；
[0014]图3为一实施例提供的一种神经网络的示意图；
[0015]图4为一实施例提供的一种神经网络计算分布在不同节点的示意图；
[0016]图5为一实施例提供的另一种神经网络计算分布在不同节点的示意图；
[0017]图6为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0018]图7为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0019]图8为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0020]图9为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0021]图10为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0022]图11为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0023]图12为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0024]图13为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0025]图14为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0026]图15为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0027]图16为一实施例提供的又一种神经网络计算分布在不同节点的示意图；
[0028]图17为一实施例提供的天线面板中天线阵元分布的示意图；
[0029]图18为一实施例提供的TRXU和天线阵子的映射关系的示意图；
[0030]图19为一实施例提供的一种TXRU的虚拟化模型的示意图；
[0031]图20为一实施例提供的一种天线面板空间分布的示意图；
[0032]图21为一实施例提供的一种信息发送装置的结构示意图；
[0033]图22为一实施例提供的另一种信息发送装置的结构示意图；
[0034]图23为一实施例提供的一种通信节点的硬件结构示意图。
具体实施方式
[0035]下面结合附图和实施例对本申请进行说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0036]本申请实施例中，通过神经网络可以实现目标功能，例如预测或识别等。神经网络的计算包括神经网络的训练阶段、神经网络的测试阶段、神经网络的应用阶段，其中，神经网络测试阶段为可选阶段。通常情况下，神经网络的训练阶段、测试阶段(可选)以及应用阶段都由同一主体执行，例如都由用户终端(User Equipment，UE)执行，这种情况下对UE的能力要求较高，而UE侧通常没有用于神经网络训练的数据集，UE侧进行神经网络训练之前，需要网络侧向UE侧发送大量的训练数据集，训练数据集的规模通常很大，因此会导致过多的通信时频资源开销，并且UE目标功能的实现时延也较大；又如都由网络侧执行，这种情况下，UE需要从网络侧获取目标功能对应的输出数据，也会导致目标功能的时延较大。
[0037]针对上述情况，在本申请实施例中，提供一种神经网络功能的分布式框架，即，将神经网络的一部分计算放在网络侧，一部分计算放在UE侧，并为神经网络的计算在网络侧和UE侧的分布情况以及网络侧和UE侧的信息交互过程提供方案，以充分降低目标功能实现的时延、减少时频资源开销、提高神经网络的计算效率。
[0038]在一实施例中，提供了一种信息发送方法，可应用于第一通信节点，第一通信节点主要指网络侧节点，例如基站或定位服务器等，定位服务器为具有定位管理功能的节点，包括但不限于LMF(Location Management Function)、E
‑
SMLC(Enhanced Serving Mobile Location Centre)、SLP(SUPL Location Platform)等。
[0039]图1为一实施例提供的一种信息发送方法的流程图。如图1所示，本实施例提供的方法包括步骤110和步骤120。
[0040]在步骤110中，生成神经网络的参数。
[0041]在步骤120中，发送第一信息，所述第一信息包括所述神经网络的参数。
[0042]本实施例中，神经网络的参数可应用于神经网络的训练。例如，第一通信节点执行神经网络的训练时需要使用到一些神经网络的参数，包括神经网络的层数和神经元的个数等，第一通信节点可基于这些神经网络的参数构建神经网络模型，进一步执行神经网络的训练，通过训练获得神经网络的权值和偏置，将权值和偏置这两个神经网络参数通过第一信息发送给第二通信节。第一通信节点也可以将需要使用到的除权值和偏置之外的其它神经网络的参数通过第一信息发送给第二通信节点，由第二通信节点执行神经网络的训练。
[0043]神经网络的参数也可用于神经网络的应用。例如，第一通信节点可以将其获得的神经网络的参数发给第二通信节点。这些神经网络的参数包括但不限于：神经网络类型、神经网络的深度(即层数)、神经网络中一层或多层中的各层对应的神经元的数目、神经网络的输入数据的类型和/或神经网络的用途等。第二通信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息发送方法，应用于第一通信节点，其特征在于，包括：生成神经网络的参数；发送第一信息，所述第一信息包括所述神经网络的参数。2.根据权利要求1所述的方法，其特征在于，还包括以下至少之一：使用所述神经网络的参数，训练所述神经网络；使用所述神经网络的参数，测试所述神经网络。3.根据权利要求1所述的方法，其特征在于，所述神经网络的参数用于供第二通信节点执行以下至少一种操作：训练所述神经网络；测试所述神经网络；应用所述神经网络。4.根据权利要求3所述的方法，其特征在于，所述训练所述神经网络，包括：向所述神经网络输入样本数据，调整所述神经网络的参数，使得所述神经网络的输出与所述样本数据对应的标签数据相符；所述测试所述神经网络，包括：向所述神经网络输入测试数据，根据所述神经网络的输出与所述测试数据对应的标签数据的相符程度，确定所述神经网络的性能指标；所述应用所述神经网络，包括：向所述神经网络输入实际输入数据，得到所述神经网络的实际输出数据。5.根据权利要求1所述的方法，其特征在于，所述神经网络的参数包括所述神经网络中的神经元对应的权值和偏置。6.根据权利要求1所述的方法，其特征在于，所述神经网络的参数包括神经网络类型；所述神经网络类型包括以下至少之一：全连接神经网络；卷积神经网络CNN；循环神经网络RNN；长短期记忆LSTM神经网络。7.根据权利要求1所述的方法，其特征在于，所述神经网络的参数包括神经网络的深度。8.根据权利要求1所述的方法，其特征在于，所述神经网络的参数包括神经网络中一层或多层中各层包含的神经元的数目。9.根据权利要求1所述的方法，其特征在于，所述神经网络的参数包括以下至少之一：神经网络输入数据的类型；神经网络输出数据的类型。10.根据权利要求1所述的方法，其特征在于，所述神经网络的参数包括神经网络的功能；所述神经网络的功能包括以下至少之一：定位；波束管理；信道状态信息CSI预测；移动性管理；时域资源预测；频域资源预测；信道估计；视距或非视距LOS/NLOS信道识别。11.根据权利要求1所述的方法，其特征在于，在生成神经网络的参数之前，还包括：接收第二通信节点上报的第二信息；其中，所述神经网络根据所述第二信息训练。12.根据权利要求11所述的方法，其特征在于，还包括：根据所述第二信息选择训练集和/或测试集和/或验证集。13.一种信息发送方法，应用于第二通信节点，其特征在于，包括：
生成第二信息，所述第二信息用于供第一通信节点执行神经网络计算；发送所述第二信息。14.根据权利要求13所述的方法，其特征在于，还包括：接收第一信息，所述第一信息包括神经网络的参数；根据所述第一信息对所述神经网络执行相应操作。15.根据权利要求13所述的方法，其特征在于，所述执行神经网络计算包括以下至少之一：根据所述第二信息训练所述神经网络；根据所述第二信息测试所述神经网络；根据所述第二信息应用所述神经网络。16.根据权利要求13所述的方法，其特征在于，所述第二信息包括第二通信节点支持的神经网络类型；所述神经网络类型包括以下至少之一：全连接神经网络；CNN；RNN；LSTM神经网络。17.根据权利要求13所述的方法，其特征在于，所述第二信息包括以下至少之一：所述第二通...

【专利技术属性】
技术研发人员：贺海港，卢有雄，邢卫民，毕峰，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：