[发明专利]蜂窝网络中基于机器学习的宽波束优化的方法和装置

说明书

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的UE分布模式；并且基于典型的UE分布模式创建场景特定射线跟踪数据。

技术领域

为了满足自部署第四代(4G)通信系统以来对无线数据业务增加的需求，已努力开发改进的第五代(5G)或准5G通信系统。因此，5G或准5G通信系统也称为“超4G网络”或“后LTE系统”。

5G通信系统被认为是在更高的频率(mmWave(毫米波))频带(例如，28GHz或60GHz频带)中实现的，以实现更高的数据速率。为了减少无线电波的传播损耗并增加传输距离，在5G通信系统中已经讨论了波束成形、大规模多输入多输出(MIMO)、全维度MIMO(FD-MIMO)、阵列天线、模拟波束成形和大型天线技术。

此外，在5G通信系统中，基于先进小小区、云无线接入网(RAN)、超密集网络、设备到设备(D2D)通信、无线回程、移动网络、协作通信、协作多点(CoMP)、接收端干扰消除等的系统网络改进开发正在进行中。

在5G系统中，已经开发了作为先进编码调制(ACM)的混合频移键控(FSK)和正交幅度调制(QAM)调制(FQAM)和滑动窗口叠加编码(SWSC)，以及作为先进接入技术的滤波器组多载波(FBMC)、非正交多址(NOMA)和稀疏码多址(SCMA)等。

人工智能(AI)系统是一种实现人类水平智能的计算机系统。与传统的基于规则的智能系统不同，AI是一种学习、判断并变得智慧的系统。随着人工智能的使用提高了识别率并更准确地理解用户的品味，现有的基于规则的智能系统逐渐被基于深度的人工智能系统所取代。

人工智能技术包括机器学习(深度学习)和利用机器学习的元素技术。

机器学习(ML)是一种算法技术，它本身可以对输入数据的特征进行分类/学习。元素技术是一种使用诸如深度学习的机器学习算法来模拟人脑的功能(例如，识别和判断)的技术，它包括诸如语言理解、视觉理解、推理/预测、知识表示和运动控制等技术领域。

应用人工智能技术的各个领域如下。语言理解是用于识别、应用/处理人类语言/字符的技术，并且包括自然语言处理、机器翻译、对话系统、查询响应、语音识别/合成等。视觉理解是一种将对象识别和处理为人类视觉的技术，并且包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解和图像增强。推理/预测是一种用于判断信息、逻辑推理和预测的技术，并且包括基于知识/概率的推理、优化预测、偏好基础规划和推荐。知识表示是一种将人类体验信息自动化为知识数据的技术，包括知识构建(数据生成/分类)和知识管理(数据利用)。运动控制是用于控制车辆的自主行驶和机器人的运动的技术，并且包括运动控制(导航、碰撞、行驶)、操作控制(行为控制)等。

本申请总体上涉及信号报告。更具体地，本公开涉及蜂窝网络中基于机器学习的宽波束优化。

背景技术