AI模型的处理方法及设备技术

本申请实施例公开了一种AI模型的处理方法及设备，属于通信技术领域，本申请实施例的AI模型的处理方法包括：第一通信设备确定第一区域；所述第一通信设备执行如下至少之一：使用具有所述第一区域的特征的数据进行AI模型训练；选择与所述第一区域匹配的AI模型执行目标通信业务，其中，所述AI模型具有所述第一区域的特征。域的特征。域的特征。

【技术实现步骤摘要】
AI模型的处理方法及设备


[0001]本申请属于通信
，具体涉及一种人工智能(Artificial Intelligence，AI)模型的处理方法及设备。

技术介绍

[0002]AI目前在各个领域获得了广泛的应用。通过将AI融入到无线通信领域，可以显著提升吞吐量、降低时延、提升用户容量。然而，在现实网络中，由于网络复杂度的限制、模型传输的限制以及终端不可预测性等原因，使得网络很难实现针对每个终端训练AI模型，网络通常是针对所有终端提供泛化的和蜂窝小区相关的AI模型。但是，泛化的AI模型很难有效地进一步提升通信系统性能，例如，难以提升多输入多输出
‑
信道状态信息(MIMO
‑
CSI)的反馈性能。

技术实现思路

[0003]本申请实施例提供一种AI模型的处理方法及设备，能够解决因AI模型泛化，很难有效地进一步提升通信系统性能的问题。
[0004]第一方面，提供了一种AI模型的处理方法，包括：第一通信设备确定第一区域；所述第一通信设备执行如下至少之一：使用具有所述第一区域的特征的数据进行AI模型训练；选择与所述第一区域匹配的AI模型执行目标通信业务，其中，所述AI模型具有所述第一区域的特征。
[0005]第二方面，提供了一种第一通信设备，包括：确定模块，用于确定第一区域；执行模块，用于执行如下至少之一：使用具有所述第一区域的特征的数据进行AI模型训练；选择与所述第一区域匹配的AI模型执行目标通信业务，其中，所述AI模型具有所述第一区域的特征。
>[0006]第三方面，提供了一种通信设备，该通信设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
[0007]第四方面，提供了一种通信设备，包括处理器及通信接口，其中，所述处理器用于确定第一区域；以及，执行如下至少之一：使用具有所述第一区域的特征的数据进行AI模型训练；选择与所述第一区域匹配的AI模型执行目标通信业务，其中，所述AI模型具有所述第一区域的特征。
[0008]第五方面，提供了一种AI模型的处理系统，包括：终端及网络侧设备，所述终端可用于执行如第一方面所述的方法的步骤，所述网络侧设备可用于执行如第一方面所述的方法的步骤。
[0009]第六方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
[0010]第七方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所
述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤。
[0011]第八方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤。
[0012]在本申请实施例中，第一通信设备确定第一区域，并执行如下至少之一：使用具有所述第一区域的特征的数据进行AI模型训练；选择与所述第一区域匹配的AI模型执行目标通信业务，其中，所述AI模型具有所述第一区域的特征，由于AI模型与区域特征相适应，因此可以根据不同的区域进行特征训练和更新，有利于提高AI模型使用的准确性和有效性，进一步提升通信系统性能。
附图说明
[0013]图1是根据本申请实施例的无线通信系统的示意图；
[0014]图2是根据本申请实施例的AI模型的处理方法的示意性流程图；
[0015]图3是根据本申请实施例中划分的区域示意图；
[0016]图4是根据本申请实施例中UE在不同场景下的行为示意图；
[0017]图5是根据本申请实施例的AI模型的处理方法的示意性流程图；
[0018]图6是根据本申请实施例的AI模型的处理方法的示意性流程图；
[0019]图7是根据本申请实施例的第一通信设备的结构示意图；
[0020]图8是根据本申请实施例的通信设备的结构示意图；
[0021]图9是根据本申请实施例的终端的结构示意图；
[0022]图10是根据本申请实施例的网络侧设备的结构示意图。
具体实施方式
[0023]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
[0024]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
[0025]值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long Term Evolution，LTE)/LTE的演进(LTE
‑
Advanced，LTE
‑
A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time Division Multiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single
‑
carrier Frequency Division Multiple Access，SC
‑
FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系
统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(NewRadio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6
th
Generation，6G)通信系统。
[0026]图1示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra
‑
mobile personal co本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能AI模型的处理方法，其特征在于，包括：第一通信设备确定第一区域；所述第一通信设备执行如下至少之一：使用具有所述第一区域的特征的数据进行AI模型训练；选择与所述第一区域匹配的AI模型执行目标通信业务，其中，所述AI模型具有所述第一区域的特征。2.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括移动通信设备，所述第一通信设备确定第一区域包括：所述移动通信设备确定所述移动通信设备的位置信息；所述移动通信设备根据所述位置信息确定所述第一区域。3.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括固定通信设备，所述第一通信设备确定第一区域包括：所述固定通信设备确定第二通信设备的位置信息，所述第二通信设备包括移动通信设备；所述固定通信设备根据所述位置信息确定所述第一区域，所述移动通信设备处于所述第一区域内。4.根据权利要求1所述的方法，其特征在于，所述第一区域与地理坐标对应；其中，所述第一区域的大小为W
×
L，L为所述第一区域的长度，W为所述第一区域的宽度，W、L均为正数。5.根据权利要求1所述的方法，其特征在于，所述第一区域的特征包括：第二通信设备与处于所述第一区域内的一个或多个所述第一通信设备之间的信道数据；其中，所述第一通信设备包括移动通信设备，所述第二通信设备包括固定通信设备。6.根据权利要求1所述的方法，其特征在于，进行AI模型训练的范围包括：与固定通信设备的最大通信范围相关的区域。7.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括移动通信设备，所述AI模型包括下行链路AI模型，所述第一通信设备使用具有所述第一区域的特征的数据进行AI模型训练包括：所述移动通信设备在所述第一区域内接收下行参考信号，并根据所述下行参考信号得到具有所述第一区域的特征的数据；所述移动通信设备使用所述具有所述第一区域的特征的数据进行AI模型训练。8.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括固定通信设备，所述AI模型包括上行链路AI模型，所述第一通信设备使用具有所述第一区域的特征的数据进行AI模型训练包括：所述固定通信设备接收上行参考信号，并根据所述上行参考信号得到具有所述第一区域的特征的数据，所述上行参考信号是处于所述第一区域内的第二通信设备发送的，所述第二通信设备包括移动通信设备；所述固定通信设备使用所述具有所述第一区域的特征的数据进行AI模型训练。9.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括固定通信设备，所述AI模型包括下行链路AI模型，所述第一通信设备使用具有所述第一区域的特征的数据进
行AI模型训练包括：所述固定通信设备接收具有所述第一区域的特征的数据，所述具有所述第一区域的特征的数据是处于所述第一区域内的第二通信设备发送的，所述第二通信设备包括移动通信设备；所述固定通信设备使用所述具有所述第一区域的特征的数据进行AI模型训练。10.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括固定通信设备，所述AI模型包括下行链路AI模型，所述第一通信设备使用具有所述第一区域的特征的数据进行AI模型训练包括：所述固定通信设备接收第一数据，所述第一数据是第二通信设备发送的，所述第二通信设备包括移动通信设备；所述固定通信设备根据所述移动通信设备的位置信息确定所述第一数据具有所述第一区域的特征；所述固定通信设备使用所述具有所述第一区域的特征的数据进行AI模型训练。11.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括移动通信设备，所述第一通信设备确定第一区域；所述第一通信设备选择与所述第一区域匹配的AI模型执行目标通信业务包括：所述移动通信设备确定所述移动通信设备的位置信息；所述移动通信设备根据所述位置信息确定所述第一区域；所述移动通信设备根据所述第一区域的索引k，在训练完成的K个AI模型中选择与所述索引k对应的AI模型进行信道预测，K是正整数。12.根据权利要求11所述的方法，其特征在于，所述AI模型包括上行链路AI模型或下行链路AI模型。13.根据权利要求11所述的方法，其特征在于，所述AI模型包括上行链路AI模型，所述信道预测包括预测时刻t+Δ的信道，所述方法还包括：所述移动通信设备接收时刻t的信道，所述时刻t的信道是第二通信设备发送的，所述第二通信设备包括固定通信设备。14.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括固定通信设备，所述第一通信设备确定第一区域；所述第一通信设备选择与所述第一区域匹配的AI模型执行目标通信业务包括：所述固定通信设备确定第二通信设备的位置信息，所述第二通信设备包括移动通信设备；所述固定通信设备根据所述位置信息确定所述第一区域；所述固定通信设备根据所述第一区域的索引k，在训练完成的K个AI模型中选择所述索引k对应的AI模型进行信道预测，K是正整数。15.根据权利要求14所述的方法，其特征在于，所述AI模型包括上行链路AI模型或下行链路AI模型。16.根据权利要求15所述的方法，其特征在于，所述AI模型包括上行链路AI模型，所述信道预测包括预测时刻t+Δ的信道，所述方法还包括：所述固定通信设备接收时刻t的信道，所述时刻t的信道是所述移动通信设备发送的。
17.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括移动通信设备，第一通信设备确定第一区域；所述第一通信设备选择与所述第一区域匹配的AI模型执行目标通信业务包括：所述移动通信设备确定所述移动通信设备的位置信息；所述移动通信设备根据所述位置信息确定所述第一区域；所述移动通信设备根据所述第一区域的索引k，在训练完成的K个AI模型中选择所述索引k对应的AI压缩模型对信道进行压缩，得到压缩信道数据，K是正整数；所述移动通信设备向第二通信设备发送所述压缩信道数据，所述第二通信设备包括固定通信设备。18.根据权利要求17所述的方法，其特征在于，所述方法还包括：所述移动通信设备向所述固定通信设备发送所述AI压缩模型对应的AI解码模型；其中，所述AI解码模型用于解压所述压缩信道数据。19.根据权利要求17所述的方法，其特征在于，所述移动通信设备确定所述移动通信设备的位置信息包括：所述移动通信设备自主确定所述移动通信设备的位置信息；或者，所述移动通信设备接收所述移动通信设备的位置信息，所述位置信息所述固定通信设备确定的。20.根据权利要求1所述的方法，其特征在于，所述第一通信设备包括固定通信设备，第一通信设备确定第一区域；所述第一通信设备选择与所述第一区域匹配的AI模型执行目标通信业务包括：所述...

【专利技术属性】
技术研发人员：姜大洁，吴建明，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：