对用于用户装备处的定位测量特征处理的神经网络函数的选择性触发制造技术

在一方面，UE(例如，从服务器、服务网络(例如，与神经网络函数集相结合地或分开地))获得与用于神经网络函数集的触发准则集相关联的信息(例如，因UE而异的信息)。UE获得与该UE的位置相关联的定位测量数据，并至少部分地基于该定位测量数据以及来自该神经网络函数集中的由来自该触发准则集中的至少一个触发准则触发的至少一个神经网络函数来将该定位测量数据处理为相应定位测量特征集。UE可将经处理的定位测量特征集报告给网络组件(例如，BS、LMF等)。LMF等)。LMF等)。

【技术实现步骤摘要】
【国外来华专利技术】对用于用户装备处的定位测量特征处理的神经网络函数的选择性触发
[0001]相关申请的交叉引用
[0002]本专利申请要求于2020年8月4日提交的题为“SELECTIVE TRIGGERING OF NEURAL NETWORK FUNCTIONS FOR POSITIONING MEASUREMENT FEATURE PROCESSING AT A USER EQUIPMENT(对用于用户装备处的定位测量特征处理的神经网络函数的选择性触发)”的美国临时申请No.63/061,077、以及于2021年8月2日提交的题为“SELECTIVE TRIGGERING OF NEURAL NETWORK FUNCTIONS FOR POSITIONING MEASUREMENT FEATURE PROCESSING AT A USER EQUIPMENT(对用于用户装备处的定位测量特征处理的神经网络函数的选择性触发)”的美国非临时申请No.17/391,417的权益，这两件申请均被转让给本申请受让人并通过援引整体明确纳入于此。
[0003]公开背景
[0004]1.公开领域
[0005]本公开的各方面一般涉及无线通信，尤其涉及对用于用户装备(UE)处的定位测量特征处理的神经网络函数的选择性触发。
[0006]2.相关技术描述
[0007]无线通信系统已经经过了数代的发展，包括第一代模拟无线电话服务(1G)、第二代(2G)数字无线电话服务(包括过渡的2.5G网络)、第三代(3G)具有因特网能力的高速数据无线服务和第四代(4G)服务(例如，LTE或WiMax)。目前在用的有许多不同类型的无线通信系统，包括蜂窝以及个人通信服务(PCS)系统。已知蜂窝系统的示例包括蜂窝模拟高级移动电话系统(AMPS)，以及基于码分多址(CDMA)、频分多址(FDMA)、时分多址(TDMA)、全球移动接入系统(GSM)TDMA变型等的数字蜂窝系统。
[0008]第五代(5G)无线标准(被称为新无线电(NR))实现了更高的数据传输速度、更大数目的连接和更好的覆盖、以及其他改进。根据下一代移动网络联盟，5G标准被设计成向成千上万个用户中的每一者提供数十兆比特每秒的数据率，以及向办公楼层里的数十位员工提供1千兆比特每秒的数据率。应当支持数十万个同时连接以支持大型无线传感器部署。因此，相比于当前的4G标准，5G移动通信的频谱效率应当显著提高。此外，相比于当前标准，信令效率应当提高并且等待时间应当大幅减少。
[0009]概述
[0010]以下给出了与本文所公开的一个或多个方面相关的简化概述。由此，以下概述既不应被认为是与所有构想的方面相关的详尽纵览，以下概述也不应被认为标识与所有构想的方面相关的关键性或决定性要素或描绘与任何特定方面相关联的范围。相应地，以下概述的唯一目的是在以下给出的详细描述之前以简化形式呈现与关于本文所公开的机制的一个或多个方面相关的某些概念。
[0011]在一方面，一种操作用户装备(UE)的方法包括：获得与用于神经网络函数集的触发准则集相关联的信息，该神经网络函数集被配置成促成该UE处的定位测量数据处理，该神经网络函数集是基于与一个或多个历史测量规程相关联的机器学习来动态生成的；获得
与该UE的位置相关联的定位测量数据；至少部分地基于该定位测量数据以及来自该神经网络函数集中的由来自该触发准则集中的至少一个触发准则触发的至少一个神经网络函数来将该定位测量数据处理为相应定位测量特征集；以及将经处理的定位测量特征集报告给网络组件。
[0012]在一些方面，该触发准则集是在该UE处从服务网络或外部服务器接收的。
[0013]在一些方面，该神经网络函数集被聚集成单个神经网络函数构造。
[0014]在一些方面，所获得的信息作为输入集被提供给该单个神经网络函数构造，并且该确定包括基于该输入集来执行该单个神经网络函数构造。
[0015]在一些方面，神经网络函数集在所获得的信息被获得之前被维持在UE本地。
[0016]在一些方面，获得神经网络函数集包括：响应于所获得的信息来传送对该至少一个神经网络函数的请求，以及响应于该请求来接收该至少一个神经网络函数。
[0017]在一些方面，所获得的信息包括以下一者或多者：该UE的地理区域特性、该UE位于室内还是室外环境、该UE的服务基站或载波网络、UE类别、基站类别、或其任何组合。
[0018]在一些方面，该触发准则集与以下一者或多者相关联：地理区域特性、室内或室外UE状态、基站或载波网络、UE类别、基站类别、或其任何组合。
[0019]在一些方面，该获得通过对用于定位的参考信号执行一组定位测量来获得定位测量数据。
[0020]在一些方面，该获得通过经由通信地耦合到UE的一个或多个传感器捕获传感器数据来获得定位测量数据。
[0021]在一些方面，该至少一个神经网络函数包括第一神经网络函数，第一神经网络函数被配置成将定位测量数据处理为第一相应定位测量特征集，并且该至少一个神经网络函数包括第二神经网络函数，第二神经网络函数被配置成将定位测量数据处理为相应定位测量特征集中的第二相应定位测量特征集。
[0022]在一些方面，第一相应定位测量特征集相对于第二相应定位测量特征集而言与较低的定位精度相关联，并且该报告在第二相应定位测量特征集之前报告第一相应定位测量特征集。
[0023]在一些方面，定位测量数据包括用于定位的参考信号的原始样本的未压缩表示，并且经处理的定位测量特征集包括该用于定位的参考信号的经压缩表示。
[0024]在一些方面，该至少一个神经网络函数包括多个神经网络函数，该多个神经网络函数各自被配置成促成UE处对单个定位测量类型或定位测量类型群的定位测量特征处理，或者该至少一个神经网络函数包括单个神经网络函数，该单个神经网络函数被配置成促成UE处对多个定位测量类型的定位测量特征处理。
[0025]在一些方面，该方法包括：从网络组件接收针对与该UE相关联的当前信息的查询；响应于该查询来向该网络组件传送所获得的信息；以及响应于传送所获得的信息来从该网络组件接收基于所获得的信息满足该至少一个触发准则而对该至少一个神经网络函数的指示。
[0026]在一些方面，该指示包括该至少一个神经网络函数或对该至少一个神经网络函数的引用。
[0027]在一些方面，该查询是响应于该UE的切换来在该UE处接收的，或者该指示是响应
于该UE的切换来在该UE处接收的，或其组合。
[0028]在一方面，一种用户装备(UE)包括：存储器；至少一个收发机；以及通信地耦合到该存储器和该至少一个收发机的至少一个处理器，该至少一个处理器被配置成：获得与用于神经网络函数集的触发准则集相关联的信息，该神经网络函数集被配置成促成该UE处的定位测量数据处理，该神经网络函数集是基于与一个或多个历史测量规程相关联的机器学习来动态生成的；获得与该UE的位置相关联的定位测量数据；至少部分地基于该定位测量数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种操作用户装备(UE)的方法，包括：获得与用于神经网络函数集的触发准则集相关联的信息，所述神经网络函数集被配置成促成所述UE处的定位测量数据处理，所述神经网络函数集是基于与一个或多个历史测量规程相关联的机器学习来动态生成的；获得与所述UE的位置相关联的定位测量数据；至少部分地基于所述定位测量数据以及来自所述神经网络函数集中的由来自所述触发准则集中的至少一个触发准则触发的至少一个神经网络函数来将所述定位测量数据处理为相应定位测量特征集；以及将经处理的定位测量特征集报告给网络组件。2.如权利要求1所述的方法，其中所述触发准则集是在所述UE处从服务网络或外部服务器接收的。3.如权利要求1所述的方法，其中所述神经网络函数集被聚集成单个神经网络函数构造。4.如权利要求3所述的方法，其中所获得的信息作为输入集被提供给所述单个神经网络函数构造，并且其中所述确定包括基于所述输入集来执行所述单个神经网络函数构造。5.如权利要求1所述的方法，其中所述神经网络函数集在所获得的信息被获得之前被维持在所述UE本地。6.如权利要求1所述的方法，其中获得所述神经网络函数集包括：响应于所获得的信息来传送对所述至少一个神经网络函数的请求，以及响应于所述请求来接收所述至少一个神经网络函数。7.如权利要求1所述的方法，其中所获得的信息包括以下一者或多者：所述UE的地理区域特性、所述UE位于室内还是室外环境、所述UE的服务基站或载波网络、UE类别、基站类别、或其任何组合。8.如权利要求1所述的方法，其中所述触发准则集与以下一者或多者相关联：地理区域特性、室内或室外UE状态、基站或载波网络、UE类别、基站类别、或其任何组合。9.如权利要求1所述的方法，其中所述获得通过对用于定位的参考信号执行一组定位测量来获得所述定位测量数据。10.如权利要求1所述的方法，其中所述获得通过经由通信地耦合到所述UE的一个或多个传感器捕获传感器数据来获得所述定位测量数据。11.如权利要求1所述的方法，其中所述至少一个神经网络函数包括第一神经网络函数，所述第一神经网络函数被配置成将所述定位测量数据处理为第一相应定位测量特征集，并且其中所述至少一个神经网络函数包括第二神经网络函数，所述第二神经网络函数被配置成将所述定位测量数据处理为相应定位测量特征集中的第二相应定位测量特征集。12.如权利要求11所述的方法，其中所述第一相应定位测量特征集相对于所述第二相应定位测量特征集而言与较低的定位精度相关联，并且其中所述报告在所述第二相应定位测量特征集之前报告所述第一相应定位测量特征
集。13.如权利要求1所述的方法，其中所述定位测量数据包括用于定位的参考信号的原始样本的未压缩表示，并且其中所述经处理的定位测量特征集包括所述用于定位的参考信号的经压缩表示。14.如权利要求1所述的方法，其中所述至少一个神经网络函数包括多个神经网络函数，所述多个神经网络函数各自被配置成促成所述UE处对单个定位测量类型或定位测量类型群的定位测量特征处理，或者其中所述至少一个神经网络函数包括单个神经网络函数，所述单个神经网络函数被配置成促成所述UE处对多个定位测量类型的定位测量特征处理。15.如权利要求1所述的方法，进一步包括：从网络组件接收针对与所述UE相关联的当前信息的查询；响应于所述查询来向所述网络组件传送所获得的信息；以及响应于传送所获得的信息来从所述网络组件接收基于所获得的信息满足所述至少一个触发准则而对所述至少一个神经网络函数的指示。16.如权利要求15所述的方法，其中所述指示包括所述至少一个神经网络函数或对所述至少一个神经网络函数的引用。17.如权利要求15所述的方法，其...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：