System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 在无线通信网络中训练机器学习定位模型制造技术_技高网

在无线通信网络中训练机器学习定位模型制造技术

技术编号:44675708 阅读:9 留言:0更新日期:2025-03-19 20:29
提供了一种无线通信网络中的网络节点,该网络节点包括发送器,该发送器被布置为:向无线通信网络的至少一个数据源发送定位训练数据集配置,该定位训练数据集配置包括:对用于训练机器学习定位模型的定位训练数据集的请求、以及基于网络节点的位置的定位训练数据集的所需要的数据格式。该网络节点还包括接收器,该接收器被布置为:从至少一个数据源接收响应,该响应包括:根据所需要的数据格式的定位训练数据集。该网络节点还包括处理器,该处理器被布置为:使用定位训练数据集,训练机器学习定位模型。

【技术实现步骤摘要】
【国外来华专利技术】

本文中公开的主题总体上涉及在无线通信网络中实现机器学习定位模型的训练的领域。本文档定义了无线通信网络中的网络节点、以及网络节点中的方法,该网络节点在无线通信网络中。


技术介绍

1、3gpp版本16中规定了针对3gpp的新无线电(nr)空中接口(uu)信号和独立(sa)架构(例如,基于波束的传输)的定位要求。目标用例还包括了如3gpp版本15中提供的商业和监管(紧急服务)场景。此外,当前3gpp版本17定位最近定义了商业和工业物联网(iiot)用例的定位性能要求。

2、3gpp中的定位技术目前可以基于位置管理功能(lmf)和ue能力的要求进行配置和执行。这些技术寻求能够计算ue的位置估计。


技术实现思路

1、3gpp框架内与目标用例相对应的针对空中接口的人工智能(ai)和/或机器学习(ml)与csi反馈、波束管理和定位精度增强有关,涉及诸如性能、复杂性和规范影响的可能性等方面。对使用基于ai/ml的过程来增强不同定位过程(包括3gpp定位过程和/或ran和/或ue和/或位置服务器(lmf)处的信令)特别感兴趣,并且可能需要对上述方面进行增强。

2、例如,可以实现ai/ml技术来优化和预测目标ue的定位会话内时间和空间上的不同度量(例如,prs/srs配置、最终位置精度)。因此,需要支持高效的模型训练和推理信令机制,以增强定位框架内的测量和报告,前提是,所描述的训练和推理模型已经部署在位置服务器或ng-ran/ue处。

3、然而,在当前定位框架中,没有已知的方法来选择、触发和配置所配置的ai/ml定位模型的训练所需要的定位数据的收集。这包括针对特定ai/ml模型的定位数据的在线训练和离线训练两者。此外,数据源的类型是输入训练数据集具有统计意义的关键,这会影响将被训练的ai/ml模型的准确性。

4、本公开呈现了详细说明对不同场景的支持的装置和方法,这些场景可以实现定位训练数据的选择、触发和信令,以支持用于定位的ai/ml框架。本文中公开的是用于在无线通信网络中训练机器学习定位模型的过程。上述过程可以通过网络节点、以及网络节点中的方法来实现。

5、提供了一种无线通信网络中的网络节点,该网络节点包括发送器,该发送器被布置为:向无线通信网络的至少一个数据源发送定位训练数据集配置,定位训练数据集配置包括:对用于训练机器学习定位模型的定位训练数据集的请求、以及基于网络节点的位置的定位训练数据集的所需要的数据格式。该网络节点还包括接收器,该接收器被布置为:从至少一个数据源接收响应,该响应包括:根据所需要的数据格式的定位训练数据集。该网络节点还包括处理器,该处理器被布置为:使用定位训练数据集,训练机器学习定位模型。

6、还提供了一种网络节点中的方法,该网络节点在无线通信网络中,该方法包括:向无线通信网络的至少一个数据源发送定位训练数据集配置,该定位训练数据集配置包括:对用于训练机器学习定位模型的定位训练数据集的请求、以及基于网络节点的位置的定位训练数据集的所需要的数据格式。该方法还包括:从至少一个数据源接收响应,该响应包括:根据所需要的数据格式的定位训练数据集。该方法还包括:使用定位训练数据集,训练机器学习定位模型。

本文档来自技高网...

【技术保护点】

1.一种无线通信网络中的网络节点,包括:

2.根据权利要求1所述的网络节点,其中至少一个数据源包括从数据源的组选择的数据源,数据源的所述组包括:

3.根据前述权利要求中任一项所述的网络节点,其中所述网络节点从网络节点的组被选择,网络节点的所述组包括:

4.根据权利要求3所述的网络节点,其中所述下一代无线电接入网节点包括:服务或相邻gNode-B、或者服务或相邻发送接收点。

5.根据前述权利要求中任一项所述的网络节点,其中所述定位训练数据集配置包括:瞬时的、周期性的、基于事件的、或其组合的报告配置。

6.根据前述权利要求中任一项所述的网络节点,其中所述机器学习定位模型包括:机器学习直接定位模型、或机器学习辅助定位模型。

7.根据前述权利要求中任一项所述的网络节点,其中所需要的所述数据格式根据所述机器学习定位模型的类型而被构造。

8.根据前述权利要求中任一项所述的网络节点,其中所需要的所述数据格式包括:特征码编号、定位测量、执行所述定位测量的位置的可配置位置信息、所述定位测量的时间信息、所述定位测量的质量、或其任何组合。

9.根据权利要求8所述的网络节点,其中所述可配置位置信息包括以下项中的至少一项:

10.根据前述权利要求中任一项所述的网络节点,其中所述接收器还被布置为:接收激活请求,所述激活请求用于激活:所述定位训练数据集配置的所述发送、所述定位训练数据集的所述接收、和/或所述机器学习定位模型的所述训练。

11.根据前述权利要求中任一项所述的网络节点,其中所述接收器还被布置为:接收去激活请求,所述去激活请求用于去激活:所述定位训练数据集配置的所述发送、所述定位训练数据集的所述接收、和/或所述机器学习定位模型的所述训练。

12.根据前述权利要求中任一项所述的网络节点,其中所述发送器还被布置为:向第一网络节点发送经训练的所述机器学习定位模型的输出。

13.根据前述权利要求中任一项所述的网络节点,所述处理器还被布置为:使用从本地数据源接收的定位训练数据集,训练所述机器学习定位模型。

14.根据前述权利要求中任一项所述的网络节点,其中所述训练数据集配置还包括:关于所述定位训练数据集是否旨在用于所述机器学习定位模型的在线和/或离线训练的指示。

15.一种网络节点中的方法,所述网络节点在无线通信网络中,所述方法包括:

16.根据权利要求15所述的方法,其中所述至少一个数据源包括从数据源的组选择的数据源,数据源的所述组包括:

17.根据权利要求15至16中任一项所述的方法,其中所述网络节点从网络节点的组被选择,网络节点的所述组包括:

18.根据权利要求17所述的方法,其中所述下一代无线电接入网节点包括:服务或相邻gNode-B、或者服务或相邻发送接收点。

19.根据权利要求15至18中任一项所述的方法,其中所述定位训练数据集配置包括:瞬时的、周期性的、基于事件的、或其组合的报告配置。

20.根据权利要求15至19中任一项所述的方法,其中所述机器学习定位模型是机器学习直接定位模式、或机器学习辅助定位模型。

21.根据权利要求15至20中任一项所述的方法,其中所需要的所述数据格式根据所述机器学习定位模型的类型而被构造。

22.根据权利要求15至21中任一项所述的方法,其中所需要的所述数据格式包括特征码编号、定位测量、执行所述定位测量的位置的可配置位置信息、所述定位测量的时间信息、所述定位测量的质量、或其任何组合。

23.根据权利要求22所述的方法,其中所述可配置位置信息包括以下项中的至少一项:

24.根据权利要求15至23中任一项所述的方法,还包括:接收激活请求,所述激活请求用于激活:所述定位训练数据集配置的所述发送、所述定位训练数据集的所述接收、和/或所述机器学习定位模型的所述训练。

25.根据权利要求15至24中任一项所述的方法,还包括:接收去激活请求,所述去激活请求用于去激活:所述定位训练数据集配置的所述发送、所述定位训练数据集的所述接收、和/或所述机器学习定位模型的所述训练。

26.根据权利要求15至25中任一项所述的方法,还包括:向第一网络节点发送经训练的所述机器学习定位模型的输出的步骤。

27.根据权利要求15至26中任一项所述的方法,还包括:使用从本地数据源接收的定位训练数据集来训练所述机器学习定位模型的步骤。

28.根据权利要求15至27中任一项所述的方法,其中所述训练数据集配置还包括:关于所述定位训练数...

【技术特征摘要】
【国外来华专利技术】

1.一种无线通信网络中的网络节点,包括:

2.根据权利要求1所述的网络节点,其中至少一个数据源包括从数据源的组选择的数据源,数据源的所述组包括:

3.根据前述权利要求中任一项所述的网络节点,其中所述网络节点从网络节点的组被选择,网络节点的所述组包括:

4.根据权利要求3所述的网络节点,其中所述下一代无线电接入网节点包括:服务或相邻gnode-b、或者服务或相邻发送接收点。

5.根据前述权利要求中任一项所述的网络节点,其中所述定位训练数据集配置包括:瞬时的、周期性的、基于事件的、或其组合的报告配置。

6.根据前述权利要求中任一项所述的网络节点,其中所述机器学习定位模型包括:机器学习直接定位模型、或机器学习辅助定位模型。

7.根据前述权利要求中任一项所述的网络节点,其中所需要的所述数据格式根据所述机器学习定位模型的类型而被构造。

8.根据前述权利要求中任一项所述的网络节点,其中所需要的所述数据格式包括:特征码编号、定位测量、执行所述定位测量的位置的可配置位置信息、所述定位测量的时间信息、所述定位测量的质量、或其任何组合。

9.根据权利要求8所述的网络节点,其中所述可配置位置信息包括以下项中的至少一项:

10.根据前述权利要求中任一项所述的网络节点,其中所述接收器还被布置为:接收激活请求,所述激活请求用于激活:所述定位训练数据集配置的所述发送、所述定位训练数据集的所述接收、和/或所述机器学习定位模型的所述训练。

11.根据前述权利要求中任一项所述的网络节点,其中所述接收器还被布置为:接收去激活请求,所述去激活请求用于去激活:所述定位训练数据集配置的所述发送、所述定位训练数据集的所述接收、和/或所述机器学习定位模型的所述训练。

12.根据前述权利要求中任一项所述的网络节点,其中所述发送器还被布置为:向第一网络节点发送经训练的所述机器学习定位模型的输出。

13.根据前述权利要求中任一项所述的网络节点,所述处理器还被布置为:使用从本地数据源接收的定位训练数据集,训练所述机器学习定位模型。

14.根据前述权利要求中任一项所述的网络节点,其中所述训练数据集配置还包括:关于所述定位训练数据集是否旨在用于所述机器学习定位模型的在线和/或离线训练的指示。

<...

【专利技术属性】
技术研发人员:R·托马斯D·卡拉姆帕特西斯
申请(专利权)人:联想新加坡私人有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1