数据处理方法及装置制造方法及图纸

本申请提供一种数据处理方法及装置，能够提高数据处理效率。该方法包括：第一通信装置获取第一数据，其中，第一通信装置设置有第一网络和第二网络，第二网络的输入维度与第一通信装置和第二通信装置之间的信道相关，第二网络的输出维度与第一通信装置的天线的数量相等，第一数据为第一网络的输入数据，第一通信装置通过第一网络和第二网络得到第二数据，其中，第二数据为第二网络的输出数据，第二网络的输入数据根据第一网络的输出数据确定，以及第一通信装置发送第二数据。第一通信装置发送第二数据。第一通信装置发送第二数据。

【技术实现步骤摘要】
数据处理方法及装置
[0001]本申请要求于2022年03月11日提交国家知识产权局、申请号为202210241814.9、申请名称为“数据处理方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。


[0002]本申请涉及通信领域，尤其涉及一种数据处理方法及装置。

技术介绍

[0003]随着人工智能(artificial intelligence，AI)技术的发展，机器学习，如神经网络层与通信系统相结合的研究受到广泛关注。
[0004]目前，可以基于多个通信装置实现数据处理。具体地，可以将神经网络模型分割为多个神经网络层，并将分割后的神经网络层各自部署在不同的通信装置上，以由多个通信装置一起实现神经网络模型的数据处理任务。其中，分割前相连接的两个神经网络层之间，基于无线通信技术实现数据传输。示例性地，神经网络层输出的数据或者输入的数据在两个通信装置之间传输时，发送数据的通信装置需要将数据进行如编码和调制等操作后再发送，相应地，接收到数据的通信装置需要对接收到的数据进行解调和译码等操作得到实际传输的数据后，将实际传输的数据作为神经网络层的输入数据。
[0005]然而，上述方案中，神经网络层相关的计算由通信装置本地硬件结构完成，由于通信装置本地计算的处理能力远远大于无线通信技术的数据处理能力，通信设备的处理能力难以匹配计算设备的处理能力，数据在不同的通信装置之间传输时，需经过编码调制等步骤，传输时延大，从而导致数据处理效率低下。

技术实现思路

[0006]本申请实施例提供一种数据处理方法及装置，能够提高数据处理效率。
[0007]为达到上述目的，本申请采用如下技术方案：
[0008]第一方面，提供一种数据处理方法。该数据处理方法包括：第一通信装置获取第一数据。其中，第一通信装置设置有第一网络和第二网络，第二网络的输入维度与第一通信装置和第二通信装置之间的信道相关，第二网络的输出维度与第一通信装置的天线的数量相等，第一数据为第一网络的输入数据，第一通信装置通过第一网络和第二网络得到第二数据，其中，第二数据为第二网络的输出数据，第二网络的输入数据根据第一网络的输出数据确定，以及，第一通信装置发送第二数据；第二通信装置通过第二通信装置的天线接收第三数据，第三数据为第一通信装置发送的第二数据经过信道传输后的数据，其中，第二通信装置设置有第四网络和第五网络，第四网络的输出维度与第一通信装置和第二通信装置之间的信道相关，第四网络的输入维度与第二通信装置的天线的数量相关。第二通信装置通过第四网络和第五网络得到第四数据，其中，第四数据为第五网络的输出数据，第四网络的输入数据根据第三数据确定，第五网络的输入数据根据第四网络的输出数据确定。
[0009]基于上述第一方面提供的数据处理方法，通过在第一通信装置的第一网络与第一通信装置的天线之间设置第二网络，在第二通信装置的天线与第二通信装置的第五网络之间设置第四网络，第二网络的输出维度与第一通信装置的天线数量相等，第四网络的输入维度与第二通信装置的天线数量相等，第二网络的输入维度和第四网络的输出维度与信道相关，从而可以将第一网络的输出维度与信道的输入维度匹配，将第五网络的输入维度与信道的输出维度匹配，在物理层传输神经网络层之间的数据，相比于对数据进行编码、调制、解调和译码等操作，可以提高神经网络模型的数据处理效率。
[0010]一种可能的设计方案中，第二网络的输入维度可以与信道的信道矩阵的秩相关，以及第四网络的输出维度可以与信道的信道矩阵的秩相关。例如，第二网络的输入维度可以与信道矩阵的秩相关，以及第四网络的输入维度可以与信道矩阵的秩相关，如此，可以使第二网络的处理能力、第四网络的处理能力与空口的传输能力匹配，从而充分利用空口的传输能力，进一步提高神经网络模型的数据处理效率。
[0011]可选地，第二网络的输入维度可以与信道的信道矩阵的秩相等。第四网络的输出维度可以与信道的信道矩阵的秩相等。
[0012]需要说明的是，第二网络的输入维度可以小于信道的信道矩阵的秩。第四网络的输出维度可以小于信道的信道矩阵的秩。
[0013]一种可能的设计方案中，第二网络可以为全连接神经网络，第四网络可以为全连接神经网络。如此，通过第二网络和第四网络处理数据，可以对输入信道和输出信道的每个数据进行处理，以减小数据在信道上传输时产生的误差，从而提高神经网络模型的准确性。
[0014]一种可能的设计方案中，第二网络的输入数据与第一网络的输出数据之间可以存在第一映射关系，第一映射关系用于匹配第一网络的输出维度与第二网络的输入维度。第四网络的输出数据与第五网络的输入数据之间可以存在第四映射关系。第四映射关系用于匹配第四网络的输出维度与第五网络的输入维度。如此，通过第一映射关系可以实现第一网络与第二网络之间的维度匹配。通过第四映射关系，可以实现第四网络与第五网络之间的维度匹配。
[0015]可选地，第一通信装置还可以设置第三网络，第三网络的输入维度与第一网络的输出维度相同，第三网络的输出维度与第二网络的输入维度相同。第一通信装置通过第一网络和第二网络得到第二数据，可以包括：第一通信装置通过第一网络、第三网络和第二网络得到第二数据。其中，第一网络的输出数据为第三网络的输入数据，第三网络的输出数据为第二网络的输入数据。如此，通过设置输入维度与输出维度不同的第三网络，可以对第三网络的输入数据，如第一网络的输出数据进行维度变换，从而可以实现第一网络与第二网络之间的维度匹配。
[0016]可选地，第二通信装置还可以设置第六网络，第六网络的输入维度与第四网络的输出维度相同，第六网络的输出维度与第五网络的输入维度相同。第二通信装置通过第四网络和第五网络得到第四数据，可以包括：第二通信装置通过第四网络、第六网络和第五网络得到第四数据。其中，第四网络的输出数据为第六网络的输入数据，第六网络的输出数据为第五网络的输入数据。如此，通过设置输入维度与输出维度不同的第六网络，可以对第六网络的输入数据，如第四网络的输出数据进行维度变换，从而可以实现第四网络与第五网络之间的维度匹配。
[0017]或者，可选地，第一网络的输出数据可以包括N组第二网络的输入数据，且第一通信装置可以根据第一网络的输出维度和第二网络的输入维度确定N，其中，N为正整数。如此，可以将第一网络的输出数据分N组依次输入第二网络，以实现第一网络和第二网络之间的维度匹配，可以简化神经网络模型的网络结构。
[0018]可选地，第五网络的输入数据可以包括N组第四网络的输出数据，第二通信装置可以根据第四网络的输出维度和第五网络的输入维度确定N，其中，N为正整数。如此，将第四网络多次的输出数据一次输入第五网络，以实现第四网络和第五网络之间的维度匹配，可以简化神经网络模型的网络结构。
[0019]进一步地，第一通信装置发送第二数据的次数可以与第一网络的输出维度、第二网络的输入维度和子载波数量相关。第二通信装置接收第三数据的次数可以与第四网络的输出维度、第五网络的输入维度和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：第一通信装置获取第一数据；其中，所述第一通信装置设置有第一网络和第二网络，所述第二网络的输入维度与所述第一通信装置和第二通信装置之间的信道相关，所述第二网络的输出维度与所述第一通信装置的天线的数量相等；所述第一数据为所述第一网络的输入数据；所述第一通信装置通过所述第一网络和所述第二网络得到第二数据；其中，所述第二数据为所述第二网络的输出数据，所述第二网络的输入数据根据所述第一网络的输出数据确定；以及，所述第一通信装置发送所述第二数据。2.根据权利要求1所述的方法，其特征在于，所述第二网络的输入维度与所述信道的信道矩阵的秩相关。3.根据权利要求1或2所述的方法，其特征在于，所述第二网络为全连接层。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述第二网络的输入数据与所述第一网络的输出数据之间存在第一映射关系，所述第一映射关系用于匹配所述第一网络的输出维度与所述第二网络的输入维度。5.根据权利要求4所述的方法，其特征在于，所述第一通信装置还设置有第三网络，所述第三网络的输入维度与所述第一网络的输出维度相同，所述第三网络的输出维度与所述第二网络的输入维度相同；所述第一通信装置通过所述第一网络和所述第二网络得到第二数据，包括：所述第一通信装置通过所述第一网络、所述第三网络和所述第二网络得到所述第二数据；其中，所述第一网络的输出数据为所述第三网络的输入数据，所述第三网络的输出数据为所述第二网络的输入数据。6.根据权利要求4所述的方法，其特征在于，所述第一网络的输出数据包括N组所述第二网络的输入数据；其中，N为正整数，且N根据所述第一网络的输出维度和所述第二网络的输入维度确定。7.根据权利要求6所述的方法，其特征在于，所述第一通信装置发送所述第二数据的次数与所述第一网络的输出维度、所述第二网络的输入维度和子载波数量相关。8.根据权利要求1
‑
6中任一项所述的方法，其特征在于，所述第一网络包括等效卷积层，所述等效卷积层的输入数据为第一子网络的输出数据，所述第一子网络的输入数据为所述第一数据，所述第一子网络为位于所述等效卷积层之前的神经网络层；所述等效卷积层的输出数据为所述第一网络的输出数据，所述等效卷积层的输出数据与所述第二网络的输入数据之间存在第二映射关系；所述第二映射关系中，所述等效卷积层的一个输出数据对应所述第二网络的一个或多个输入数据。9.根据权利要求8所述的方法，其特征在于，所述第一通信装置发送所述第二数据的次数与所述等效卷积层的输入数据的数据类型、所述等效卷积层的每个数据类型的输入数据的维度、所述第二网络的输入维度和子载波数量相关。10.根据权利要求1
‑
6中任一项所述的方法，其特征在于，所述第一网络包括等效卷积层和等效全连接层，所述等效卷积层的输入数据为第一子网络的输出数据，所述第一子网络为位于所述等效卷积层之前的神经网络层，所述等效卷积层的输出数据与所述等效全连
接层的输入数据之间存在第三映射关系；所述第三映射关系中，所述等效卷积层的一个输出数据对应所述等效全连接层的一个或多个输入数据。11.根据权利要求10所述的方法，其特征在于，所述第一通信装置发送所述第二数据的次数与所述等效卷积层的输出数据的数据类型、所述等效卷积层的每个数据类型的输出数据的维度、所述第二网络的输入维度和子载波数量相关。12.根据权利要求1
‑
11中任一项所述的方法，其特征在于，所述第二网络包括第三子网络和量化模块；其中，所述量化模块位于所述第三子网络与所述第一通信装置的天线之间，用于量化所述第三子网络的输出数据；所述第一网络的输出数据通过所述第三子网络和所述量化模块得到所述第二数据。13.根据权利要求1
‑
12中任一项所述的方法，其特征在于，所述第二网络的网络参数与所述信道的信道矩阵的奇异值分解的结果相关。14.根据权利要求1
‑
13中任一项所述的方法，其特征在于，所述第一网络为分割前的神经网络模型中已有的神经网络层，且所述第一网络的输出维度与分割位置的数据维度相等。15.一种数据处理方法，其特征在于，包括：第二通信装置通过所述第二通信装置的天线接收第三数据；其中，所述第二通信装置设置有第四网络和第五网络，所述第四网络的输出维度与第一通信装置和所述第二通信装置之间的信道相关，所述第四网络的输入维度与所述第二通信装置的天线的数量相关；所述第三数据为所述第一通信装置发送的第二数据经过所述信道传输后的数据；所述第二通信装置通过所述第四网络和所述第五网络得到第四数据；其中，所述第四数据为所述第五网络的输出数据，所述第五网络的输入数据根据所述第四网络的输出数据确定，所述第四网络的输入数据根据所述第三数据确定。16.根据权利要求15所述的方法，其特征在于，所述第四网络的输出维度与所述信道的信道矩阵的秩相关。17.根据权利要求15或16所述的方法，其特征在于，所述第四网络为全连接层。18.根据权利要求15
‑
17中任一项所述的方法，其特征在于，所述第四网络的输出数据与所述第五网络的输入数据之间存在第四映射关系；所述第四映射关系用于匹配所述第四网络的输出维度与所述第五网络的输入维度。19.根据权利要求18所述的方法，其特征在于，所述第二通信装置还设置有第六网络，所述第六网络的输入维度与所述第四网络的输出维度相同，所述第六网络的输出维度与所述第五网络的输入维度相同；所述第二通信装置通过所述第四网络和所述第五网络得到第四数据，包括：所述第二通信装置通过所述第四网络、所述第六网络和所述第五网络得到所述第四数据；其中，所述第四网络的输出数据为所述第六网络的输入数据，所述第六网络的输出数据为所述第五网络的输入数据。20.根据权利要求18所述的方法，其特征在于，所述第五网络的输入数据包括N组所述第四网络的输出数据；其中，N为正整数，且N根据所述第四网络的输出维度和所述第五网络的输入维度确定。21.根据权利要求20所述的方法，其特征在于，所述第二通信装置接收所述第三数据的
次数与所述第四网络的输出维度、所述第五网络的输入维度和子载波数量相关。22.根据权利要求15
‑
20中任一项所述的方法，其特征在于，所述第五网络包括等效全连接层，所述等效全连接层的输入数据根据所述第四网络的输出数据确定，所述等效全连接层的输出数据为第二子网络的输入数据，所述第二子网络为所述等效全连接层之后的神经网络层，所述第二子网络的输出数据为所述第四数据；所述等效全连接层的输出数据与第二子网络的输入数据之间存在第五映射关系；所述第五映射关系中，所述第二子网络的一个输入数据对应所述等效全连接层的一个或多个输出数据。23.根据权利要求15
‑
20中任一项所述的方法，其特征在于，所述第三数据与所述第四网络的输入数据之间存在第六映射关系；所述第六映射关系中，一个所述第四网络的输入数据对应一个或多个所述第三数据。24.根据权利要求15
‑
23中任一项所述的方法，其特征在于，所述第四网络的网络参数与所述信道的信道矩阵的奇异值分解的结果相关。25.根据权利要求15
‑
24中任一项所述的方法，其特征在于，所述第五网络为分割前的神经网络模型中已有的神经网络层，且所述第五网络的输出维度与分割位置的数据维度相等。26.一种数据处理方法，其特征在于，包括：第二通信装置获取第五数据；其中，所述第二通信装置设置有第四网络和第五网络，所述第四网络的输入维度与第一通信装置和所述第二通信装置之间的信道相关，所述第四网络的输出维度与所述第二通信装置的天线的数量相关，所述第五数据为所述第五网络的输入数据；所述第二通信装置通过所述第四网络和所述第五网络得到第六数据；其中，所述第六数据根据所述第四网络的输出数据确定，所述第四网络的输入数据根据所述第五网络的输出数据确定；所述第二通信装置通过所述第二通信装置的天线发送所述第六数据。27.根据权利要求26所述的方法，其特征在于，所述第四网络的输入维度与所述信道的信道矩阵的秩相关。28.根据权利要求26或27所述的方法，其特征在于，所述第四网络为全连接层。29.根据权利要求26
‑
28中任一项所述的方法，其特征在于，所述第四网络的输入数据与所述第五网络的输出数据之间存在第七映射关系；所述第七映射关系用于匹配所述第四网络的输入维度与所述第五网络的输出维度。30.根据权利要求29所述的方法，其特征在于，所述第二通信装置还设置有第六网络，所述第六网络的输入维度与所述第五网络的输出维度相同，所述第六网络的输出维度与所述第四网络的输入维度相同；所述第二通信装置通过所述第四网络和所述第五网络得到第六数据，包括：所述第二通信装置通过所述...

【专利技术属性】
技术研发人员：张朝阳，杨禹志，李榕，戴胜辰，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：