蜂窝网络中基于机器学习的宽波束优化的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112136334A(43)申请公布日2020.12.25(21)申请号201980033440.8(71)申请人三星电子株式会社(22)申请日2019.05.31地址韩国京畿道(30)优先权数据(72)发明人陈浩张建中鲁巴耶特·沙芬62/679,4092018.06.01US南映瀚62/719,9642018.08.20US(74)专利代理机构北京市立方律师事务所62/741,9822018.10.05US1133062/743,9192018.10.10US代理人谢玉斌16/361,0612019.03.21US(51)Int.Cl.(85)PCT国际申请进入国家阶段日H04W16/28(2006.01)2020.11.18H04W24/10(2006.01)(86)PCT国际申请的申请数据H04W24/02(2006.01)H04W72/04(2006.01)PCT/KR2019/0066042019.05.31G06N3/02(2006.01)(87)PCT国际申请的公布数据G06N20/00(2006.01)WO2019/231289EN2019.12.05H04B7/06(2006.01)权利要求书3页说明书29页附图50页(54)发明名称场景特定射线跟踪数据。蜂窝网络中基于机器学习的宽波束优化的方法和装置(57)摘要本公开涉及提供一种用于将被提供用于支持比第四代(4G)通信系统(诸如长期演进(LTE))更高数据速率的准第五代(5G)或5G通信系统。本公开涉及一种人工智能(AI)系统及其应用，其使用诸如深度学习的机器学习算法来模拟诸如人脑的识别和判断的功能。提供了一种用于通过具有机器学习的用户设备(UE)测量来控制和优化基站(BS)的广播波束的装置和方法。该装置和方法被配置为：为每个BS选择第一波束；为每个BS发送所选择的波束；经由BS从UE接收第一波束的测量信息；预处理测量结果；使用神经网络或每个BS的表格来给出波束池中的每个广播波束的分数；从神经网络或表格中为每个BS选择具有最高分数的第二波束；基于UE分布模式和射线跟踪数据离线训练神经网络以用于广播波束优化；基于AI分类算法、UE历史测量和位置信息确定典型CN112136334A的UE分布模式；并且基于典型的UE分布模式创建CN112136334A权利要求书1/3页1.一种无线通信系统中的用户设备(UE)，所述UE包括：收发器，所述收发器被配置为：经由基站(BS)从中央控制器(CC)接收在测量报告中使用的第一波束的信息；并且经由所述BS向所述CC发送包括所述第一波束的测量结果的所述测量报告，其中：所述CC从包括预定候选波束的候选波束池中的波束集合中选择用于所述BS的所述第一波束，所述波束集合被分配给所述BS；所述CC对与所述候选波束池中的所述波束集合相对应的连续测量结果以及所述第一波束的所述测量结果进行预处理；所述CC基于所述第一波束的所述测量结果计算所述第一波束的波束分数；并且所述CC基于所述波束分数选择第二波束，所述第二波束被确定为所述候选波束池中的所述波束集合中的包括最高分数的波束。2.根据权利要求1所述的UE，其中，所述连续测量结果包括所述UE的参考信号接收功率(RSRP)、参考信号接收质量(RSRQ)、信号与干扰加噪声比(SINR)、标识(ID)或位置信息中的至少一项。3.根据权利要求1所述的UE，其中：所述CC基于阈值确定所述第一波束的所述测量结果的可接受性；所述CC基于所述测量结果和所述阈值确定UE连接向量；所述CC基于所述UE的位置信息将所述UE连接向量重塑为二维连接(2D)图；并且所述CC基于先前波束分数和所述连续测量结果计算所述波束分数。4.根据权利要求1所述的UE，其中：所述CC配置用于选择最佳波束的深度神经网络；所述CC使用所述深度神经网络来选择所述最佳波束；所述CC将时间窗口内预处理后的连续测量结果从每个所述BS输入到所述BS的所述深度神经网络；所述CC将所述深度神经网络的独热输出识别为所述最佳波束的指示符；并且所述CC基于预处理后的连续测量结果来更新所述深度神经网络的权重。5.根据权利要求1所述的UE，其中：所述CC基于来自UE的测量结果的历史获得UE分布模式；所述CC对具有所述UE分布模式的射线跟踪数据进行组合，以获得场景特定射线跟踪数据；并且所述CC基于所述场景特定射线跟踪数据，为每个所述UE分布模式搜索最佳波束。6.根据权利要求5所述的UE，其中：所述CC将所述测量结果分类成所述UE分布模式；并且所述CC基于所述场景特定射线跟踪数据，选择所述UE分布模式的所述最佳波束。7.根据权利要求1所述的UE，其中，每个所述BS包括数据单元/多输入多输出(DU/