特表 2024-540137 ビーム確定方法、ノードおよび記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-10-31

(54)【発明の名称】ビーム確定方法、ノードおよび記憶媒体

(51)【国際特許分類】

   H04B 7/06 20060101AFI20241024BHJP

   H04B 7/08 20060101ALI20241024BHJP

【ＦＩ】

H04B7/06 956

H04B7/06 960

H04B7/08 810

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024525497

(86)(22)【出願日】2022-11-11

(85)【翻訳文提出日】2024-04-26

(86)【国際出願番号】 CN2022131350

(87)【国際公開番号】W WO2023088178

(87)【国際公開日】2023-05-25

(31)【優先権主張番号】202111399935.8

(32)【優先日】2021-11-19

(33)【優先権主張国・地域又は機関】CN

(81)【指定国・地域】

(71)【出願人】

【識別番号】511151662

【氏名又は名称】中興通訊股▲ふん▼有限公司

【氏名又は名称原語表記】ＺＴＥ ＣＯＲＰＯＲＡＴＩＯＮ

【住所又は居所原語表記】ＺＴＥ Ｐｌａｚａ，Ｋｅｊｉ Ｒｏａｄ Ｓｏｕｔｈ，Ｈｉ－Ｔｅｃｈ Ｉｎｄｕｓｔｒｉａｌ Ｐａｒｋ，Ｎａｎｓｈａｎ Ｓｈｅｎｚｈｅｎ，Ｇｕａｎｇｄｏｎｇ ５１８０５７ Ｃｈｉｎａ

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】肖 華 華

(72)【発明者】

【氏名】章 嘉 懿

(72)【発明者】

【氏名】魯 照 華

(72)【発明者】

【氏名】呉 昊

(72)【発明者】

【氏名】張 淑 娟

(72)【発明者】

【氏名】蒋 創 新

(57)【要約】

本願は、ビーム確定方法、ノードおよび記憶媒体を開示し、該方法は、ビーム構成パラメータを受信することと、ビーム構成パラメータに基づいて第１種のビームを確定することとを含む。

【特許請求の範囲】

【請求項1】

ビーム構成パラメータを受信することと、
前記ビーム構成パラメータに基づいて第１種のビームを確定することとを含む、
ビーム確定方法。

【請求項2】

前記ビーム構成パラメータは、第１人工知能ネットワークにより確定される、
請求項１に記載の方法。

【請求項3】

前記ビーム構成パラメータは、
ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む、
請求項１または２に記載の方法。

【請求項4】

前記第１種のビームは、
広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む、
請求項１または２に記載の方法。

【請求項5】

前記第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられる、
請求項１に記載の方法。

【請求項6】

前記第１種のビームおよび前記第２人工知能ネットワークのパラメータに基づいて第２種のビームを確定することを更に含み、
前記第２種のビームは、シグナリングまたはデータを伝送することに用いられる、
請求項５に記載の方法。

【請求項7】

前記第１種のビームと前記第２種のビームの間にマッピング関係が存在する、
請求項６に記載の方法。

【請求項8】

第３人工知能ネットワークにより前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
所定の方式で前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
構成シグナリングを受信することで前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、の少なくとも１つを更に含む、
請求項７に記載の方法。

【請求項9】

前記第１種のビームと第２種のビームとの利得差を受信することを更に含み、
前記利得差は、前記第２種のビームの伝送電力を確定することに用いられる、
請求項１または５に記載の方法。

【請求項10】

ビーム構成パラメータを受信する前に、端末ビーム能力を送信することを更に含み、
前記端末ビーム能力は、前記第１種のビームをサポートする能力、前記第１種のビームをサポートするビームタイプ、前記第１種のビームの処理能力の少なくとも１つを含む、
請求項１に記載の方法。

【請求項11】

ビーム構成パラメータを確定することと、
前記ビーム構成パラメータを送信することとを含むビーム確定方法であって、
前記ビーム構成パラメータは、第１種のビームを確定することに用いられる、
ビーム確定方法。

【請求項12】

前記ビーム構成パラメータは、第１人工知能ネットワークにより確定される、
請求項１１に記載の方法。

【請求項13】

前記ビーム構成パラメータは、
ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む、
請求項１１または１２に記載の方法。

【請求項14】

前記第１種のビームは、
広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む、
請求項１１または１２に記載の方法。

【請求項15】

前記第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられる、
請求項１１に記載の方法。

【請求項16】

前記第１種のビームおよび前記第２人工知能ネットワークのパラメータは、第２種のビームを確定することに用いられ、
前記第２種のビームは、シグナリングまたはデータを伝送することに用いられる、
請求項１５に記載の方法。

【請求項17】

前記第１種のビームと前記第２種のビームの間にマッピング関係が存在する、
請求項１６に記載の方法。

【請求項18】

第３人工知能ネットワークにより前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
所定の方式で前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
構成シグナリングを送信することで前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、の少なくとも１つを更に含む、
請求項１７に記載の方法。

【請求項19】

前記第１種のビームと第２種のビームとの利得差を送信することを更に含み、
前記利得差は、前記第２種のビームの伝送電力を確定することに用いられる、
請求項１１または１５に記載の方法。

【請求項20】

ビーム構成パラメータを送信する前に、端末ビーム能力を受信することを更に含み、
前記端末ビーム能力は、前記第１種のビームをサポートする能力、前記第１種のビームをサポートするビームタイプ、前記第１種のビームの処理能力の少なくとも１つを含む、
請求項１１に記載の方法。

【請求項21】

プロセッサを備え、
前記プロセッサがコンピュータプログラムを実行すると、請求項１から１０のいずれか１項に記載のビーム確定方法または請求項１１から２０のいずれか１項に記載のビーム確定方法を実現する、
通信ノード。

【請求項22】

コンピュータプログラムが記憶され、
前記コンピュータプログラムがプロセッサによって実行されると、請求項１から１０のいずれか１項に記載のビーム確定方法または請求項１１から２０のいずれか１項に記載のビーム確定方法を実現する、
読み書き可能な記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本願は、無線通信の技術領域に関し、特に、ビーム確定方法、ノードおよび記憶媒体に関する。

【背景技術】

【0002】

高周波は豊かなスペクトルリソースを有し、無線システム性能を向上させる有効な手段であるが、高周波のキャリア周波数が高く、パスロスが大きいため、ビーム賦形技術に基づいて送信方向をユーザに合わせる必要があり、エネルギー伝送情報を集中してパスロスの過大による性能減衰を克服する。通常の送信または受信ビームの方向を取得する方法は、各方向のビーム走査を行い、その中から性能が良いビーム方向を選択して情報を伝送するビーム方向とすることである。ビーム走査を行う時、各ビームは１つの参照信号リソースに対応し、ビームが細い場合、走査する必要があるビーム方向は非常に多く、それに対応し、参照信号リソースのオーバーヘッドは大きくなる。図１に示すように、離散フーリエ変換（Ｄｉｓｃｒｅｔｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ、ＤＦＴ）に基づく単一のビームのような規則なビームを使用する場合、ビーム走査を行う時、多くの異なる方向のビームを走査する必要があり、大きなパイロットリソースのオーバーヘッドが必要となる。図２に示すように、複数のビーム方向の重ね合わせを含むビームのような不規則なビームリソースを使用する場合、複数の方向のビームを一度にシミュレーションすることができ、ビーム走査の回数を減少することができるが、不規則なビームのビーム向き、ビーム幅、ビームの利得等はいずれも不確定である。現在、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、ＡＩ）は、ビーム走査に用いられる参照信号リソースの数をある程度で減少できるが、パラメータのトレーニング段階で、ビームが細く、トレーニングが要求されるサンプルが多すぎるため、コストが高くなりすぎることもある。

【発明の概要】

【発明が解決しようとする課題】

【0003】

本願の実施例の主な目的は、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服するためのビーム確定方法、ノードおよび記憶媒体を提出することである。

【課題を解決するための手段】

【0004】

本願の実施例は、
ビーム構成パラメータを受信することと、
ビーム構成パラメータに基づいて第１種のビームを確定することとを含む、
ビーム確定方法を提供する。

【0005】

本願の実施例は、
ビーム構成パラメータを確定することと、ビーム構成パラメータを送信することとを含むビーム確定方法であって、
ビーム構成パラメータは、第１種のビームを確定することに用いられる、
ビーム確定方法を提供する。

【0006】

本願の実施例は、
ビーム構成パラメータを受信するための受信モジュールと、
ビーム構成パラメータに基づいて第１種のビームを確定するための処理モジュールとを備える、
ビーム確定装置を提供する。

【0007】

本願の実施例は、
ビーム構成パラメータを確定するための確定モジュールと、ビーム構成パラメータを送信するための送信モジュールとを備えるビーム確定装置であって、
ビーム構成パラメータは、第１種のビームを確定することに用いられる、
ビーム確定装置を提供する。

【0008】

本願の実施例は、
プロセッサを備え、プロセッサがコンピュータプログラムを実行すると、本願のいずれかの実施例に記載のビーム確定方法を実現する、
通信ノードを提供する。

【0009】

本願の実施例は、
コンピュータプログラムが記憶され、コンピュータプログラムがプロセッサによって実行されると、本願のいずれかの実施例に記載のビーム確定方法を実現する、
読み書き可能な記憶媒体を提供する。

【発明の効果】

【0010】

本願の実施例は、ビーム確定方法、ノードおよび記憶媒体を提供し、該方法は、ビーム構成パラメータを受信することと、ビーム構成パラメータに基づいて第１種のビームを確定することとを含む。該方法により、第１種のビームを確定することができ、確定された第１種のビームに基づき、人工知能ネットワークのパラメータの値を確定することができ、またはビーム走査を行って伝送用のビームを確定することができ、人工知能ネットワークのトレーニングの回数を減少し、またはビーム走査の回数を減少し、更に、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服する。

【図面の簡単な説明】

【0011】

【図1】関連技術における規則ビームに基づいてビーム走査を行う模式図である。

【図2】関連技術における不規則ビームに基づいてビーム走査を行う模式図である。

【図3】本願の実施例に係るビーム確定方法のフローチャート。

【図4】本願の実施例に係る別のビーム確定方法のフローチャート。

【図5】本願の実施例に係るビーム確定装置の構造模式図である。

【図6】本願の実施例に係る別のビーム確定装置の構造模式図である。

【図7】本願の実施例に係る更なるビーム確定装置の構造模式図である。

【図8】本願の実施例に係るまた別のビーム確定装置の構造模式図である。

【図9】本願の実施例に係る通信ノードの構造模式図である。

【発明を実施するための形態】

【0012】

本願の目的、技術案および利点を更に明確にするために、以下、図面を参照しながら本願の実施例について詳細に説明する。なお、矛盾しない限り、本願に係る実施例と実施例における特徴は、互いに任意に組み合わせることができる。

【0013】

また、本願の実施例において、「好ましくは」または「例示的には」等の語は、例、証明または説明として表すことに用いられる。本願の実施例における「好ましくは」または「例示的には」と記述された任意の実施例または設計案は、他の実施例または設計案よりも好ましいまたはより優位性があるものと解釈されるべきではない。具体的には、「好ましくは」または「例示的には」等の語の使用は、具体的な方式で関連概念を示すことを意図する。

【0014】

本願の実施例において、端末は、セルラ電話機、コードレス電話機、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ、ＰＤＡ）、無線通信機能を持つハンドヘルドデバイス、コンピューティングデバイスまたは無線モデムに接続された他の処理機器、車載機器、ウェアラブル機器、または５Ｇネットワークもしくは将来の５Ｇ以上のネットワークにおける端末機器等であってもよい。基地局は、ロングタームイボリューション（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ、ＬＴＥ）、ロングタームイボリューションアドバンスト（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎａｄｖａｎｃｅｄ、ＬＴＥ－Ａ）におけるイボリューション型基地局（Ｅｖｏｌｕｔｉｏｎａｌ Ｎｏｄｅ Ｂ、ｅＮＢまたはｅＮｏｄｅＢ）、または新しい無線（Ｎｅｗ Ｒａｄｉｏ、ＮＲ）アクセス技術を代表とする５Ｇ基地局機器、または将来の通信システムにおける基地局等であってもよい。更に、基地局は、様々なマクロ基地局、マイクロ基地局、ホーム基地局、リモートラジオユニット、ルータ、またはプライマリーセル（ｐｒｉｍａｒｙ ｃｅｌｌ）およびセカンダリーセル（ｓｅｃｏｎｄａｒｙ ｃｅｌｌ）等の各ネットワーク側機器を含んでもよく、本実施例はこれについて限定しない。

【0015】

更に、本願の実施例に係る方案をより明確に理解しやすいために、ここで、本願の実施例に係る関連概念について説明し、具体的には、以下のとおりである。

【0016】

シグナリングは、無線リソース制御（Ｒａｄｉｏ Ｒｅｓｏｕｒｃｅ Ｃｏｎｔｒｏｌ、ＲＲＣ）、メディアアクセス制御－制御要素（Ｍｅｄｉａ Ａｃｃｅｓｓ Ｃｏｎｔｒｏｌ ｃｏｎｔｒｏｌ ｅｌｅｍｅｎｔ、ＭＡＣ ＣＥ）を含むが、これらに限定されない。

【0017】

ビームの情報は、到来角（ａｎｇｌｅ Ｏｆ Ａｒｒｉｖａｌ、ＡＯＡ）、離脱角（ａｎｇｌｅ Ｏｆ Ｄｅｐａｒｔｕｒｅ、ＡＯＤ）、離脱天頂角（Ｚｅｎｉｔｈ ａｎｇｌｅ Ｏｆ Ｄｅｐａｒｔｕｒｅ、ＺＯＤ）、到来天頂角（Ｚｅｎｉｔｈ ａｎｇｌｅ Ｏｆ Ａｒｒｉｖａｌ、ＺＯＡ）、ＡＯＡ、ＡＯＤ、ＺＯＤ、ＺＯＡのうちの少なくとも１つの角度で構造されたベクトルまたはベクトルインデックス、離散フーリエ変換（Ｄｉｓｃｒｅｔｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ、ＤＦＴ）ベクトル、コードブック内のコードワード、送信ビーム、受信ビーム、送信ビームグループ、受信ビームグループ、送信ビームインデックス、受信ビームインデックス、送信ビームグループインデックス、受信ビームグループインデックスの少なくとも１つを含んでもよい。いくつかの実施例において、ビームは、１つの空間領域フィルタまたは１つの空間受信／送信パラメータを意味してもよく、空間領域フィルタは、ＤＦＴベクトル、プリコーディングベクトル、ＤＦＴ行列、プリコーディング行列、または複数のＤＦＴの線形結合で構成されたベクトル、複数のプリコーディングベクトルの線形結合で構成されたベクトルの少なくとも１つであってもよい。ビームの組み合わせは、複数のベクトル（ＤＦＴベクトル、プリコーディングベクトル、ＤＦＴで構成されたベクトルを含むが、これらに限定されない）の線形結合または非線形結合であってもよい。

【0018】

本願の実施例において、インデックス（ｉｎｄｅｘ）と指示（ｉｎｄｉｃａｔｏｒ）とは、互いに置換可能な概念であり、ベクトルとベクトル量とは、互いに置換可能な概念である。

【0019】

上記概念に基づき、本願の実施例は、ビーム確定方法のフローチャートを提供し、該方法は、端末に適用でき、図３に示すように、該方法は、以下のステップを含んでもよいが、これらに限定されない。

【0020】

Ｓ３０１において、ビーム構成パラメータを受信する。

【0021】

本願の実施例において、ビーム構成パラメータは、端末と通信するノードから送信されてもよく、例えば、基地局から端末にビーム構成パラメータを送信する。好ましくは、上記ビーム構成パラメータは、第１人工知能ネットワークにより確定されてもよく、好ましくは、上記ビーム構成パラメータは、基地局が予め設定された方式で確定してもよいし、チャネルシーンに応じて計算して確定してもよく、本願の実施例は、これらのビーム構成パラメータを確定する方式に限定されない。

【0022】

例示的には、上記ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む。

【0023】

更に、ビーム構成パラメータ内のビーム幅は、広ビームを確定することに使用でき、ビーム構成パラメータは、ビーム方向数、アレイ素子位相、アレイ素子電力のうちの少なくとも１つを含み、不規則ビームまたは多方向ビームを確定することに使用でき、ビーム構成パラメータに含まれるビームインデックス、ビーム幅等の少なくとも１つは、ランダムビームを確定することに使用でき、ビーム構成パラメータに含まれるビーム幅、アレイ素子電力、アレイ素子位相等の少なくとも１つは、非定モジュラスビームを確定することに使用できる。

【0024】

Ｓ３０２において、ビーム構成パラメータに基づいて第１種のビームを確定する。

【0025】

本願の実施例において、第１種のビームは、人工知能ネットワークのパラメータをトレーニングすることに使用でき、例えば、第２人工知能ネットワークのパラメータの値を取得し、または、第１種のビームは、ビーム走査に使用されて伝送用のビーム（例えば、第２種のビーム）を確定することができる。これにより、確定された第１種のビームに基づき、第２人工知能ネットワークのトレーニングの回数を減少し、またはビーム走査の回数を減少することができ、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服することができる。

【0026】

一例において、上記第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含んでもよい。

【0027】

更に、端末は、第１種のビームおよび上記第２人工知能ネットワークのパラメータにより第２種のビームを確定することができ、該第２種のビームは、端末と基地局との間でのシグナリングまたはデータの伝送に使用できる。例えば、端末は、第１種のビームを用いて人工知能ネットワークのトレーニングを行い、第２人工知能ネットワークのパラメータの値を取得し、確定した第２人工知能ネットワークのパラメータの値に基づいて端末の情報伝送に適した最適な第２種のビームインデックスを選択し、該最適な第２種のビームインデックスに対応するビームを用いてデータを伝送する。

【0028】

更に、端末は、第２人工知能ネットワークのパラメータにより第２種のビームを確定することができ、該第２人工知能ネットワークのパラメータは、第１種のビームのトレーニングに基づいて取得できる。

【0029】

例示的には、本願の実施例において、ビーム幅に従ってビームを第１種のビームと第２種のビームとに分けると仮定した場合、第１種のビームは広ビームに分けることができ、それに対応し、第２種のビームは狭いビームに分けることができる。ここで、広ビームは、１／Ｋ電力のビーム幅が第１閾値よりも大きいビームと理解でき、狭いビームは、１／Ｋ電力のビーム幅が第２閾値よりも小さいビームと理解でき、上記第１閾値および第２閾値は、いずれも０よりも大きい数であり、且つ、第２閾値は第１閾値よりも小さく、Ｋは０よりも大きい整数であり、例えば、Ｋ値は２、５、１０である。

【0030】

好ましくは、上記第１種のビームを不規則ビームに分け、上記第２種のビームを規則ビームに分けてもよく、即ち、ビームが規則であるか否かによってビームを２種類に分ける。ここで、不規則ビームは、電力放射形状が不規則なビームと理解でき、例えば、複数の異なるピークを有する。規則ビームは、電力放射形状が規則なビームと理解でき、例えば、ビームが１つのピークだけを有し、例えば、ＤＦＴベクトルで構造されたビームである。

【0031】

好ましくは、更にビームを多方向ビームおよび一方向ビームに分けてもよく、例えば、第１種のビームを多方向ビームに分け、第２種のビームを一方向ビームに分ける。ここで、多方向ビームは、複数のＤＦＴベクトルで線形結合されたビームであってもよいし、複数のＤＦＴの線形結合で構造されたビームであってもよく、一方向ビームは、１つのＤＦＴベクトルで構成されたビームであってもよいし、１つのＤＦＴで構造されたビームであってもよい。

【0032】

なお、上記ビームを構造するＤＦＴベクトルは、２つ以上のＤＦＴベクトルを用いてクロネッカー積（Ｋｒｏｎｅｃｋｅｒ積）により構成するベクトルを含んでもよいが、これらに限定されない。

【0033】

好ましくは、本願の実施例において、第１種のビームをランダムビームに分け、第２種のビームを非ランダムビームに分けてもよい。ここで、ランダムビームとは、ビーム方向がランダムな方式で生成されるビームを意味し、例えば、上記広ビーム、狭いビーム、規則ビーム、非規則ビーム、多方向ビームおよび一方向ビームであり、これらのビームが情報を伝送する度に、指向方向をランダムに生成する。非ランダムビームとは、チャネル状態情報に基づいてビーム方向を確定するビームを意味し、例えば、狭いビーム、規則ビーム、一方向ビームのうちの少なくとも１つである。

【0034】

一例において、ビームを非定モジュラスビームおよび定モジュラスビームという２種類のビームに分けてもよく、例えば、第１種のビームを非定モジュラスビームに分け、第２種のビームを定モジュラスビームに分ける。ここで、非定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値に少なくとも１つの違いがあるものを意味し、定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値がいずれも同じであるものを意味し、例えば、ＤＦＴベクトルである。

【0035】

更に、上記伝送は、受信または送信を含んでもよく、例えば、情報の送信または受信である。ここで、情報は、シグナリングまたはデータを含むが、これらに限定されず、シグナリングは、上りリンク制御情報、または下りリンク制御情報、または物理上りリンク制御チャネル、物理下りリンク制御チャネルのような各制御情報をベアラするための無線リソースを含む。データは、上りデータまたは下りデータ、例えば、物理下りリンク共有チャネルおよび物理上りリンク共有チャネルを含む。

【0036】

一例において、第１種のビームと第２種のビームとの間にマッピング関係が存在する。例えば、端末を例とし、端末は、以下の少なくとも１つの方式に基づいて第１種のビームと第２種のビームとの間のマッピング関係を確定することができる。例えば、端末は、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定し、端末は、所定の方式で第１種のビームと第２種のビームとのマッピング関係を確定し、端末は、構成シグナリングを受信することで第１種のビームと第２種のビームとのマッピング関係を確定する。

【0037】

なお、上記第１種のビームと第２種のビームとの間のマッピング関係は、第１種のビームと第２種のビームとの間に関連関係があると理解でき、関連関係を持つ第１種のビームおよび第２種のビームは、伝送機能でも一定の類似性を有するため、第１種のビームでトレーニングされた第２種のニューラルネットワークのパラメータは、第２種のビームを選択するために汎化でき、更に、第１種のビームを用いて走査する時に選択したビームを関連関係がある第２種のビームに置き換えた後、第２種のビームは情報（シグナリングまたはデータを含む）を伝送することに使用できる。例えば、端末は、第１種のビームを用いてビーム走査を行って情報を伝送するための最適な第１種のビームのインデックスを確定し、第１種のビームと第２種のビームとの関連関係に基づいて最適な第１種のビームインデックスに対応する最適な第２種のビームインデックスを確定し、且つ、最適な第２種のビームインデックスに対応するビームを用いてデータを伝送する。

【0038】

好ましくは、上記関連関係を持つ２つのビームは、同一のクワジコロケーション（Ｑｕａｓｉ ｃｏ－ｌｏｃａｔｉｏｎ、ＱＣＬ）パラメータ値を有する特性と、同一の空間受信パラメータ（Ｓｐａｔｉａｌ Ｒｘ Ｐａｒａｍｅｔｅｒ）値を有する特性と、同一の伝送構成指示（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｆｉｇｕｒａｔｉｏｎ Ｉｎｄｉｃａｔｏｒ、ＴＣＩ）値を有する特性と、同一のＱＣＬタイプＤ（ＱＣＬ ｔｙｐｅ Ｄ）値を有する特性と、第１種のビームが第２種のビームのカバー領域をカバーし、第１種のビームの伝送方向が第２種のビームの伝送方向を含み、第１種のビームの指示方向が第２種のビームの指示方向を含む等、空間カバーで一定の重なりを有する特性との少なくとも１つを有してもよい。

【0039】

一例において、上記端末は、第１種のビームと第２種のビームとの利得差を受信することにも使用でき、該利得差は、第２種のビームの伝送電力を確定することに使用できる。

【0040】

例示的には、関連関係を持つ２種のビームは、ビーム利得で違いがあり、例えば、広ビームの利得は狭いビームの利得よりも小さく、多方向ビームの利得は一方向ビームの利得よりも小さく、不規則ビームの利得は規則ビームの利得よりも小さく、非定モジュラスビームの利得は定モジュラスビームの利得よりも小さい。基地局は、関連関係を持つ第１種のビームと第２種のビームとの利得差を取得した後、該利得差を端末に送信することができ、端末は、受信した利得差に基づき、情報を伝送するための電力を調整することで、両者の違いによる性能損失を回避する。例えば、データまたは信号を送信する時、第２種のビームの送信電力を調整するか、または信号またはデータを受信する時、第２種のビームの受信電力を調整するか、または第１種のビームと第２種のビームとの利得差に基づき、チャネル品質を計算する受信電力値を調整し、例えば、信号対干渉雑音比（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ ａｎｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒａｔｉｏ、ＳＩＮＲ）における信号部分を計算する電力を調整し、参照信号受信電力（Ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ、ＲＳＲＰ）における受信電力値を調整する。

【0041】

一例において、上記ステップＳ３０１の前に、本願の実施例は、実現形態を更に提供し、端末が基地局に端末ビーム能力を送信することを含む。

【0042】

例示的には、端末ビーム能力は、第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含んでもよい。

【0043】

例えば、端末は、端末ビーム能力を基地局に報告し、基地局は、端末から報告された能力を受信した後、端末から報告された端末ビーム能力に基づいて端末にビーム構成パラメータを設定するか否かを確定することができる。

【0044】

本願の実施例において、上記第１人工知能ネットワーク、第２人工知能ネットワークおよび第３人工知能ネットワークは、いずれも人工知能と呼ばれてもよく、該人工知能は、機械学習、深層学習、強化学習、転移学習、深層強化学習等を含んでもよい。例示的には、一部の実施例において、人工知能は、ニューラルネットワークにより実現することができ、更に、ニューラルネットワークは、入力層、出力層、少なくとも１層の隠蔽層を少なくとも含んでもよく、そのうちの各層のニューラルネットワークは、完全接続層、稠密層、畳み込み層、転置畳み込み層、直接接続層、活性化関数、正規化層、プール化層等の少なくとも１つを使用することを含んでもよいが、これらに限定されない。好ましくは、上記各層のニューラルネットワークは、残差ネットワーク、稠密ネットワーク、循環ネットワーク等のような１つのサブニューラルネットワークを更に含んでもよい。

【0045】

以下、各人工知能ネットワークの関連機能についてそれぞれ詳細に説明し、具体的には、以下のとおりである。

【0046】

第１人工知能ネットワークは、主に、ビーム走査または第２人工知能ネットワークのトレーニングに適した第１種のビームを生成することに用いられる。例えば、アレイ数、アレイ位相情報、振幅情報、および受信エネルギーまたはＲＳＲＰのタグ情報等を入力し、ビーム走査またはビームのトレーニングに用いられるＮ個の第１種のビームのビーム構成パラメータをトレーニングする。

【0047】

第２人工知能ネットワークは、主に、１つのビームセットから少なくとも１つのビームを選択して情報の送受信に使用することに用いられ、ここで、情報は、シグナリングまたはデータを含むが、これらに限定されない。例えば、Ｍ個の送信ビームおよびＮ個の受信ビームがあり、ＭおよびＮは正の整数であり、各送信ビームは、いずれも少なくとも１つのチャネル状態情報参照信号（ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ、ＣＳＩ－ＲＳ）リソース（ｒｅｓｏｕｒｃｅ）またはＣＳＩ－ＲＳリソースセット（ＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅ ｓｅｔ）に対応する。受信されたＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅまたはＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する参照信号受信電力（Ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ、ＲＳＲＰ）を第２人工知能ネットワークに入力し、第２人工知能ネットワークは、入力された少なくとも１つのＲＳＲＰを、１つの最適なビームインデックス、即ち、情報を伝送するためのビームインデックスまたはビームペアインデックスにマッピングし、対応する受信ビームを自分の情報伝送に使用し、送信ビームインデックスを基地局にフィードバックして基地局の情報伝送に使用する。好ましくは、上記ＲＳＲＰをＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する信号対干渉雑音比（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ ａｎｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒａｔｉｏ、ＳＩＮＲ）に置き換えてビームインデックスまたはビームペアインデックスを選択してもよい。好ましくは、上記Ｍ個の送信ビームが全ての選択可能なビーム内の１つのサブセットであってもよく、Ｎ個のビームが全ての選択可能なビームの１つのサブセットであってもよいため、第２人工知能ネットワークにより、１つのサブビームセットで全てのビームセット内のビームを予測することができ、即ち、１つの空間補間の効果を果たし、ビーム走査時のリソースのオーバーヘッドを減少する。

【0048】

例えば、１２８個の送信ビームおよび３２個の受信ビームがあると仮定すると、その中からＭ＝１６個の送信ビームおよびＮ＝４個の受信ビームを均一に選択し、ビームのトレーニングに使用する。該１６個の送信ビームおよび４個の受信ビームは、対応してＲＳＲＰを受信して第２人工知能ネットワークに入力し、１２８個の送信ビームおよび３２個の受信ビームの場合におけるその最適なビームを予測する。即ち、第２人工知能ネットワークは、主に第２種のビームを選択することに用いられるが、第２人工ネットワークのパラメータをトレーニングする時、ビームのトレーニング回数またはオーバーヘッドを減少するために、第１種のビームを使用することができる。

【0049】

第３人工知能ネットワークは、主に第１種のビームと第２種のビームとを関連付けるまたはマッピングすることに用いられる。例えば、第１種のビームおよび対応して受信したＲＳＲＰもしくはＳＩＮＲを入力し、対応する第２種のビームまたは第２種のビームのビームインデックスを出力する。

【0050】

本願の実施例において、第２人工知能ネットワークのトレーニングの回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、端末は、基地局から送信されたビーム構成パラメータを受信し、基地局によって設定されたビーム構成パラメータに基づいて情報を伝送するためのビームを生成し、例えば、上りリンクにおいて、情報を送信するための送信ビームを生成する。端末は、生成したＭ個の送信ビームに基づき、それぞれＭ個のサウンディング参照信号リソース（Ｓｏｕｎｄｉｎｇ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｓｏｕｒｃｅ、ＳＲＳ ｒｅｓｏｕｒｃｅ）で情報を送信し、基地局は、それぞれＮ個の受信ビームを用いて送信された参照パイロット信号を受信し、例えば、ビームのトレーニング用のＳＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｎ個の受信ビームによってそれぞれ受信されたＭ個の送信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、１つのサンプルとする。該サンプルに対応する最適な送信ビームインデックスおよび受信ビームインデックスは、タグとすることができ、少なくとも１つの時刻における複数の端末のサンプルおよびタグを収集して第２人工知能ネットワークの入力とすることで、第２人工知能ネットワークのパラメータを更新する。

【0051】

好ましくは、ビーム走査の回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、端末は、基地局から送信されたビーム構成パラメータを受信し、基地局によって設定されたビーム構成パラメータに基づいて情報を伝送するためのビームを生成し、例えば、上りリンクにおいて、情報を送信するための送信ビームを生成する。端末は、生成したＭ個の送信ビームに基づき、それぞれＭ個のサウンディング参照信号リソース（Ｓｏｕｎｄｉｎｇ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｓｏｕｒｃｅ、ＳＲＳ ｒｅｓｏｕｒｃｅ）で情報を送信し、基地局は、それぞれＮ個の受信ビームを用いて送信された参照パイロット信号を受信し、例えば、ビームのトレーニング用のＳＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｎ個の受信ビームによってそれぞれ受信されたＭ個の送信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、ビームを選択する根拠とし、例えば、Ｍ＊Ｎペアのビームに対応するＲＳＲＰもしくはＳＩＮＲが最も大きい値に対応する送信ビームおよび受信ビームを、情報を伝送するビームとする。

【0052】

図４は、本願の実施例に係るビーム確定方法のフローチャートであり、該方法は、基地局に適用でき、図４に示すように、該方法は、以下のステップを含んでもよいが、これらに限定されない。

【0053】

Ｓ４０１において、ビーム構成パラメータを確定する。

【0054】

本願の実施例において、基地局は、第１人工知能ネットワークによりビーム構成パラメータを確定することができる。例えば、第１人工知能ネットワークにトレーニングに必要な入力情報を入力し、第１人工知能ネットワークにより、ビーム走査またはビームのトレーニングに用いられる第１種のビームのビーム構成パラメータをトレーニングする。

【0055】

ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含んでもよい。

【0056】

更に、ビーム構成パラメータ内のビーム幅は、広ビームを確定することに使用でき、ビーム構成パラメータに含まれるビーム方向数、アレイ素子位相、アレイ素子電力のうちの少なくとも１つは、不規則ビームまたは多方向ビームを確定することに使用でき、ビーム構成パラメータに含まれるビームインデックス、ビーム幅等の少なくとも１つは、ランダムビームを確定することに使用でき、ビーム構成パラメータに含まれるビーム幅、アレイ素子電力、アレイ素子位相等の少なくとも１つは、非定モジュラスビームを確定することに使用できる。

【0057】

Ｓ４０２において、ビーム構成パラメータを送信する。

【0058】

該ビーム構成パラメータは、第１種のビームを確定することに使用でき、第１種のビームは、人工知能ネットワークのパラメータをトレーニングすることに使用でき、例えば、第２人工知能ネットワークのパラメータの値を取得し、または、第１種のビームは、ビーム走査に使用されて伝送用のビーム（例えば、第２種のビーム）を確定することができる。これにより、確定された第１種のビームに基づき、第２人工知能ネットワークのトレーニングの回数を減少し、またはビーム走査の回数を減少することができ、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服することができる。

【0059】

例示的には、上記第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含んでもよい。

【0060】

好ましくは、第１種のビームおよび第２人工知能ネットワークのパラメータは、情報を伝送する第２種のビームを確定することに使用できる。例えば、端末は、第１種のビームを用いて人工知能ネットワークのトレーニングを行い、第２人工知能ネットワークのパラメータの値を取得し、確定した第２人工知能ネットワークのパラメータの値に基づいて端末の情報伝送に適した最適な第２種のビームインデックスを選択し、該最適な第２種のビームインデックスに対応するビームを用いて情報を伝送する。

【0061】

好ましくは、本願の実施例において、以下の方式でビーム分割を行い、ビームを第１種のビームおよび第２種のビームという２種に分けることができる。例えば、ビーム幅に従ってビームを第１種のビームおよび第２種のビームに分けると、第１種のビームは広ビームに分けることができ、第２種のビームは狭いビームに分けることができる。ここで、広ビームは、１／Ｋ電力のビーム幅が第１閾値よりも大きいビームと理解でき、狭いビームは、１／Ｋ電力のビーム幅が第２閾値よりも小さいビームと理解でき、上記第１閾値および第２閾値は、いずれも０よりも大きい数であり、且つ、第２閾値は第１閾値よりも小さく、Ｋは０よりも大きい整数であり、例えば、Ｋ値は２、５、１０である。

【0062】

あるいは、第１種のビームを不規則ビームに分け、第２種のビームを規則ビームに分けてもよく、即ち、ビームが規則であるか否かによってビームを２種類に分ける。ここで、不規則ビームは、電力放射形状が不規則なビームと理解でき、例えば、ビームに複数の異なるピークがある。規則ビームは、電力放射形状が規則なビームと理解でき、例えば、ビームが１つのピークだけを有し、例えば、ＤＦＴベクトルで構造されたビームである。

【0063】

好ましくは、更にビームを多方向ビームおよび一方向ビームに分けてもよく、例えば、第１種のビームを多方向ビームに分け、第２種のビームを一方向ビームに分ける。ここで、多方向ビームは、複数のＤＦＴベクトルで線形結合されたビームであってもよいし、複数のＤＦＴの線形結合で構造されたビームであってもよく、一方向ビームは、１つのＤＦＴベクトルで構成されたビームであってもよいし、１つのＤＦＴで構造されたビームであってもよい。なお、上記ビームを構造するＤＦＴベクトルは、２つ以上のＤＦＴベクトルを用いてクロネッカー積（Ｋｒｏｎｅｃｋｅｒ積）により構成するベクトルを含んでもよいが、これらに限定されない。

【0064】

または、第１種のビームをランダムビームに分け、第２種のビームを非ランダムビームに分けてもよい。ここで、ランダムビームとは、ビーム方向がランダムな方式で生成されるビームを意味し、例えば、上記広ビーム、狭いビーム、規則ビーム、非規則ビーム、多方向ビームおよび一方向ビームであり、これらのビームが情報を伝送する度に、指向方向をランダムに生成する。非ランダムビームとは、チャネル状態情報に基づいてビーム方向を確定するビームを意味し、例えば、狭いビーム、規則ビーム、一方向ビームのうちの少なくとも１つである。

【0065】

一例において、ビームを非定モジュラスビームおよび定モジュラスビームという２種類のビームに分けてもよく、例えば、第１種のビームを非定モジュラスビームに分け、第２種のビームを定モジュラスビームに分ける。ここで、非定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値に少なくとも１つの違いがあるものを意味し、定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値がいずれも同じであるものを意味し、例えば、ＤＦＴベクトルである。

【0066】

更に、上記第２種のビーム伝送情報は、送信情報または受信情報を含んでもよい。ここで、情報は、シグナリングまたはデータを含むが、これらに限定されず、シグナリングは、上りリンク制御情報、または下りリンク制御情報、または物理上りリンク制御チャネル、物理下りリンク制御チャネルのような各制御情報をベアラするための無線リソースを含む。データは、上りデータまたは下りデータ、例えば、物理下りリンク共有チャネルおよび物理上りリンク共有チャネルを含む。

【0067】

一例において、第１種のビームと前記第２種のビームの間にマッピング関係が存在する。

【0068】

更に、基地局は、以下の少なくとも１つ方式により第１種のビームと第２種のビームとの間のマッピング関係を確定することができ、例えば、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定し、所定の方式で第１種のビームと第２種のビームとのマッピング関係を確定し、構成シグナリングを送信することで第１種のビームと第２種のビームとのマッピング関係を確定する。

【0069】

なお、上記第１種のビームと第２種のビームとの間のマッピング関係は、第１種のビームと第２種のビームとの間に関連関係があると理解でき、関連関係を持つ第１種のビームおよび第２種のビームは、伝送機能でも一定の類似性を有するため、第１種のビームでトレーニングされた第２種のニューラルネットワークのパラメータは、第２種のビームを選択するために汎化でき、更に、第１種のビームを用いて走査する時に選択したビームを関連関係がある第２種のビームに置き換えた後、第２種のビームは情報（シグナリングまたはデータを含む）を伝送することに使用できる。例えば、端末は、第１種のビームを用いてビーム走査を行って情報を伝送するための最適な第１種のビームのインデックスを確定し、第１種のビームと第２種のビームとの関連関係に基づいて最適な第１種のビームインデックスに対応する最適な第２種のビームインデックスを確定し、且つ、最適な第２種のビームインデックスに対応するビームを用いてデータを伝送する。

【0070】

好ましくは、上記関連関係を持つ２つのビームは、同一のクワジコロケーション（Ｑｕａｓｉ ｃｏ－ｌｏｃａｔｉｏｎ、ＱＣＬ）パラメータ値を有する特性と、同一の空間受信パラメータ（Ｓｐａｔｉａｌ Ｒｘ Ｐａｒａｍｅｔｅｒ）値を有する特性と、同一の伝送構成指示（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｆｉｇｕｒａｔｉｏｎ Ｉｎｄｉｃａｔｏｒ、ＴＣＩ）値を有する特性と、同一のＱＣＬタイプＤ（ＱＣＬ ｔｙｐｅ Ｄ）値を有する特性と、第１種のビームが第２種のビームのカバー領域をカバーし、第１種のビームの伝送方向が第２種のビームの伝送方向を含み、第１種のビームの指示方向が第２種のビームの指示方向を含む等、空間カバーで一定の重なりを有する特性との少なくとも１つを有してもよい。

【0071】

好ましくは、基地局は、第１種のビームと第２種のビームとの利得差を端末に送信することもでき、該利得差は、第２種のビームの伝送電力を確定することに用いられる。

【0072】

関連関係を持つ２種のビームは、ビーム利得で違いがあり、例えば、広ビームの利得は狭いビームの利得よりも小さく、多方向ビームの利得は一方向ビームの利得よりも小さく、不規則ビームの利得は規則ビームの利得よりも小さく、非定モジュラスビームの利得は定モジュラスビームの利得よりも小さい。これにより、基地局は、関連関係を持つ第１種のビームと第２種のビームとの利得差を取得した後、該利得差を端末に送信することができ、端末は、受信した利得差に基づき、情報を伝送するための電力を調整することで、両者の違いによる性能損失を回避する。

【0073】

好ましくは、上記ステップＳ４０１の前に、基地局は、端末から報告された端末ビーム能力を受信することもでき、該端末ビーム能力は、第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含んでもよい。

【0074】

端末は、自身の端末ビーム能力を基地局に報告し、基地局は、端末から報告された能力を受信した後、端末から報告された能力に基づいて端末にビーム構成パラメータを設定するか否かを確定することができる。

【0075】

本願の実施例において、第１人工知能ネットワークは、主に、ビーム走査または第２人工知能ネットワークのトレーニングに適した第１種のビームを生成することに用いられる。例えば、アレイ数、アレイ位相情報、振幅情報、および受信エネルギーまたはＲＳＲＰのタグ情報等を入力し、ビーム走査またはビームのトレーニングに用いられるＮ個の第１種のビームのビーム構成パラメータをトレーニングする。

【0076】

第２人工知能ネットワークは、主に、１つのビームセットから少なくとも１つのビームを選択して情報の送受信に使用することに用いられ、ここで、情報は、シグナリングまたはデータを含むが、これらに限定されない。例えば、Ｍ個の送信ビームおよびＮ個の受信ビームがあり、ＭおよびＮは正の整数であり、各送信ビームは、いずれも少なくとも１つのチャネル状態情報参照信号（ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ、ＣＳＩ－ＲＳ）リソース（ｒｅｓｏｕｒｃｅ）またはＣＳＩ－ＲＳリソースセット（ＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅ ｓｅｔ）に対応する。受信されたＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅまたはＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する参照信号受信電力（Ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ、ＲＳＲＰ）を第２人工知能ネットワークに入力し、第２人工知能ネットワークは、入力された少なくとも１つのＲＳＲＰを、１つの最適なビームインデックス、即ち、情報を伝送するためのビームインデックスまたはビームペアインデックスにマッピングし、対応する受信ビームを自分の情報伝送に使用し、送信ビームインデックスを基地局にフィードバックして基地局の情報伝送に使用する。好ましくは、上記ＲＳＲＰをＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する信号対干渉雑音比（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ ａｎｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒａｔｉｏ、ＳＩＮＲ）に置き換えてビームインデックスまたはビームペアインデックスを選択してもよい。好ましくは、上記Ｍ個の送信ビームが全ての選択可能なビーム内の１つのサブセットであってもよく、Ｎ個のビームが全ての選択可能なビームの１つのサブセットであってもよいため、第２人工知能ネットワークにより、１つのサブビームセットで全てのビームセット内のビームを予測することができ、即ち、１つの空間補間の効果を果たし、ビーム走査時のリソースのオーバーヘッドを減少する。

【0077】

例えば、１２８個の送信ビームおよび３２個の受信ビームがあると仮定すると、その中からＭ＝１６個の送信ビームおよびＮ＝４個の受信ビームを均一に選択し、ビームのトレーニングに使用する。該１６個の送信ビームおよび４個の受信ビームは、対応してＲＳＲＰを受信して第２人工知能ネットワークに入力し、１２８個の送信ビームおよび３２個の受信ビームの場合におけるその最適なビームを予測する。即ち、第２人工知能ネットワークは、主に第２種のビームを選択することに用いられるが、第２人工ネットワークのパラメータをトレーニングする時、ビームのトレーニング回数またはオーバーヘッドを減少するために、第１種のビームを使用することができる。

【0078】

第３人工知能ネットワークは、主に第１種のビームと第２種のビームとを関連付けるまたはマッピングすることに用いられる。例えば、第１種のビームおよび対応して受信したＲＳＲＰもしくはＳＩＮＲを入力し、対応する第２種のビームまたはビームインデックスを出力する。

【0079】

基地局側にとって、第２人工知能ネットワークのトレーニングの回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、基地局は、取得した端末ビーム能力に基づいて端末にビーム構成パラメータを設定し、設定したビーム構成パラメータを端末に送信することができる。端末は、ビーム構成パラメータを受信した後、ビーム構成パラメータに基づいて情報を伝送するためのビームを生成することができる。例えば、下りリンクにおいて、情報を受信するための受信ビームを生成する。端末は、生成したＭ個の受信ビームに基づき、基地局がＮ個の送信ビームをそれぞれ用いて送信した参照パイロット信号をそれぞれ受信し、例えば、ビームのトレーニング用のＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｍ個の受信ビームによってそれぞれ受信されたＮ個の受信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、１つのサンプルとする。該サンプルに対応する最適な送信ビームインデックスおよび受信ビームインデックスをタグとし、少なくとも１つの時刻における複数の端末のサンプルおよびタグを収集して第２人工知能ネットワークの入力とすることで、第２人工知能ネットワークのパラメータを更新する。

【0080】

好ましくは、ビーム走査の回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、基地局は、取得した端末ビーム能力に基づいて端末にビーム構成パラメータを設定し、設定したビーム構成パラメータを端末に送信することができる。端末は、基地局から送信されたビーム構成パラメータを受信し、受信したビーム構成パラメータに基づいて情報を伝送するためのビームを確定し、例えば、下りリンクにおいて、情報を受信するための受信ビームを生成する。端末は、生成したＭ個の受信ビームに基づき、基地局がＮ個の送信ビームをそれぞれ用いて送信した参照パイロット信号をそれぞれ受信し、例えば、ビームのトレーニング用のＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｍ個の受信ビームによってそれぞれ受信されたＮ個の受信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、ビームを選択する根拠とし、例えば、Ｍ＊Ｎペアのビームに対応するＲＳＲＰもしくはＳＩＮＲが最も大きい値に対応する送信ビームおよび受信ビームを、情報を伝送するためのビームとする。

【0081】

図５は、本願の実施例に係るビーム確定装置の構造模式図であり、図５に示すように、該装置は、受信モジュール５０１と、処理モジュール５０２とを備えてもよく、ここで、受信モジュールは、ビーム構成パラメータを受信することに用いられ、処理モジュールは、ビーム構成パラメータに基づいて第１種のビームを確定することに用いられる。

【0082】

好ましくは、上記ビーム構成パラメータは、第１人工知能ネットワークにより確定できる。

【0083】

例示的には、ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む。

【0084】

第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む。

【0085】

更に、第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられる。

【0086】

一例において、上記処理モジュールは、更に第１種のビームおよび第２人工知能ネットワークのパラメータに基づいて第２種のビームを確定することに用いられ、第２種のビームは、シグナリングまたはデータを伝送することに用いられる。

【0087】

好ましくは、第１種のビームと前記第２種のビームの間にマッピング関係が存在する。

【0088】

一例において、処理モジュールは、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定することに使用されてもよいし、処理モジュールは、所定の方式で第１種のビームと第２種のビームとのマッピング関係を確定することに使用されてもよく、受信モジュールは、構成シグナリングを受信することに使用されてもよく、それに対応し、処理モジュールは、シグナリングを設定することで第１種のビームと第２種のビームとのマッピング関係を確定することができる。

【0089】

一例において、受信モジュールは、第１種のビームと第２種のビームとの利得差を受信することもでき、該利得差は、第２種のビームの伝送電力を確定することに用いられる。

【0090】

図６に示すように、上記装置は、送信モジュール５０３を更に備えてもよく、送信モジュールは、装置自身の端末ビーム能力を送信することに用いられ、端末ビーム能力は、第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含む。

【0091】

本実施例に係るビーム確定装置は、図３に示す実施例のビーム確定方法を実現することに用いられ、その実現原理および技術的効果は類似し、ここで説明を省略する。

【0092】

図７は、本願の実施例に係るビーム確定装置の構造模式図であり、図７に示すように、該装置は、確定モジュール７０１と、送信モジュール７０２とを備えてもよく、確定モジュールは、ビーム構成パラメータを確定することに用いられ、送信モジュールは、ビーム構成パラメータを送信することに用いられる。

【0093】

ここで、ビーム構成パラメータは、第１種のビームを確定することに用いられる。

【0094】

好ましくは、上記ビーム構成パラメータは、第１人工知能ネットワークにより確定できる。

【0095】

例示的には、ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む。

【0096】

第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む。

【0097】

更に、第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられる。

【0098】

一例において、上記第１種のビームおよび第２人工知能ネットワークのパラメータは、第２種のビームを確定することに使用でき、該第２種のビームは、シグナリングまたはデータを伝送することに用いられる。

【0099】

好ましくは、第１種のビームと第２種のビームの間にマッピング関係が存在する。

【0100】

図８に示すように、一例において、上記装置は、処理モジュール７０３と、受信モジュール７０４とを更に備えてもよく、処理モジュールは、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定することに用いられ、処理モジュールは、所定の方式で第１種のビームと前記第２種のビームとのマッピング関係を確定してもよい。

【0101】

好ましくは、送信モジュールは、構成シグナリングを送信してもよく、それに対応し、処理モジュールは、構成シグナリングにより第１種のビームと第２種のビームとのマッピング関係を確定してもよい。

【0102】

一例において、送信モジュールは、第１種のビームと第２種のビームとの利得差を送信することに用いられてもよく、該利得差は、第２種のビームの伝送電力を確定することに用いられる。

【0103】

受信モジュールは、端末ビーム能力を受信することに使用でき、該端末ビーム能力は、
第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含む。

【0104】

本実施例に係るビーム確定装置は、図４に示す実施例のビーム確定方法を実現することに用いられ、その実現原理および技術的効果は類似し、ここで説明を省略する。

【0105】

図９は、一実施例に係る通信ノードの構造模式図であり、図９に示すように、該ノードは、プロセッサ９０１と、メモリ９０２とを備え、ノードにおけるプロセッサ９０１の数は、１つであってもよいし、複数であってもよく、図９において、１つのプロセッサ９０１を例とし、ノードにおけるプロセッサ９０１およびメモリ９０２は、バスまたは他の方式で接続することができ、図９において、バスを介して接続することを例とする。

【0106】

メモリ９０２は、コンピュータ可読記憶媒体として、ソフトウェアプログラム、コンピュータ実行可能プログラムおよびモジュール、例えば、本願の図３、図４の実施例におけるビーム確定方法に対応するプログラム指令／モジュール（例えば、図５～図８の実施例に係るビーム確定装置における各モジュール）を記憶するために使用できる。プロセッサ９０１は、メモリ９０２に記憶されたソフトウェアプログラム、命令およびモジュールを実行することにより、上記ビーム確定方法を実現する。

【0107】

メモリ９０２は、主にプログラム記憶エリアおよびデータ記憶エリアを備えてもよく、ここで、プログラム記憶エリアは、オペレーティングシステム、少なくとも１つの機能に必要なアプリケーションプログラムを記憶することができ、データ記憶エリアは、セットトップボックスの使用に基づいて作成されたデータ等を記憶することができる。また、メモリ９０２は、高速ランダムアクセスメモリを含んでもよく、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリ、または他の非一時的な固体記憶デバイスのような非一時的なメモリを更に含んでもよい。

【0108】

一例において、可能な場合、上記ノードにおけるプロセッサは、その内部の論理回路、ゲート回路等のハードウェア回路により上記ビーム確定方法を実現してもよい。

【0109】

本願の実施例は、読み書き可能な記憶媒体を更に提供し、コンピュータ記憶に使用され、該記憶媒体に１つのまたは複数のプログラムが記憶され、１つのまたは複数のプログラムは、上記実施例におけるビーム確定方法を実行するために、１つのまたは複数のプロセッサによって実行できる。

【0110】

当業者であれば、上記開示された方法における全てまたは一部のステップ、機器における機能モジュール／ユニットは、ソフトウェア、ファームウェア、ハードウェアおよびその適当な組み合わせとして実施できることが理解され得る。

【0111】

ハードウェアの実施形態において、上記説明に言及された機能モジュール／ユニットの間での区分は、必ずしも物理コンポーネントの区分に対応するとは限らない。例えば、１つの物理コンポーネントは複数の機能を有してもよいし、または１つの機能もしくはステップは、複数の物理コンポーネントにより協働して実行されてもよい。いくつかの物理コンポーネントまたは全ての物理コンポーネントは、中央プロセッサ、デジタル信号プロセッサまたはマイクロプロセッサのようなプロセッサにより実行されるソフトウェアとして実施されてもよいし、ハードウェアとして実施されてもよいし、特定用途向け集積回路のような集積回路として実施されてもよい。このようなソフトウェアはコンピュータ可読媒体に分布されてもよく、コンピュータ可読媒体は、コンピュータ記憶媒体（または非一時的媒体）および通信媒体（または一時的媒体）を含んでもよい。当業者に周知のように、コンピュータ記憶媒体という用語は、情報（例えば、コンピュータ可読命令、データ構造、プログラムモジュールまたは他のデータ）を記憶するための任意の方法または技術で実施される揮発性および不揮発性、取り外し可能および取り外し不可な媒体を含む。コンピュータ記憶媒体は、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）、読み出し専用メモリ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）、電気的消去可能なプログラマブル読み出し専用メモリ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、ＥＥＰＲＯＭ）、フラッシュメモリまたは他のメモリ技術、コンパクトディスク読み出し専用ディスク（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、ＣＤ－ＲＯＭ）、デジタル多機能ディスク（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ、ＤＶＤ）または他の光ディスクメモリ、磁気カートリッジ、磁気テープ、磁気ディスクメモリまたは他の磁気記憶装置、あるいは、所望の情報を記憶するために用いられてコンピュータによりアクセス可能な任意の他の媒体を含んでもよいが、これらに限定されない。また、当業者に周知のように、通信媒体は、通常、コンピュータ可読命令、データ構造、プログラムモジュール、またはキャリアもしくは他の伝送メカニズムのような変調データ信号内の他データを含み、且つ、任意の情報伝達媒体を含んでもよい。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【手続補正書】

【提出日】2024-04-26

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ビーム構成パラメータを受信することと、
前記ビーム構成パラメータに基づいて第１種のビームを確定することとを含む、
ビーム確定方法。

【請求項2】

前記ビーム構成パラメータは、
ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む、
請求項１に記載の方法。

【請求項3】

前記第１種のビームは、
広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む、
請求項１に記載の方法。

【請求項4】

前記第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられ、
前記第１種のビームおよび前記第２人工知能ネットワークのパラメータに基づいて第２種のビームを確定することを更に含み、
前記第２種のビームは、シグナリングまたはデータを伝送することに用いられる、
請求項１に記載の方法。

【請求項5】

前記第１種のビームと前記第２種のビームの間にマッピング関係が存在し、
第３人工知能ネットワークにより前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
所定の方式で前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
構成シグナリングを受信することで前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、の少なくとも１つを更に含む、
請求項４に記載の方法。

【請求項6】

前記第１種のビームと第２種のビームとの利得差を受信することを更に含み、
前記利得差は、前記第２種のビームの伝送電力を確定することに用いられる、
請求項１に記載の方法。

【請求項7】

ビーム構成パラメータを受信する前に、端末ビーム能力を送信することを更に含み、
前記端末ビーム能力は、前記第１種のビームをサポートする能力、前記第１種のビームをサポートするビームタイプ、前記第１種のビームの処理能力の少なくとも１つを含む、
請求項１に記載の方法。

【請求項8】

ビーム構成パラメータを確定することと、
前記ビーム構成パラメータを送信することとを含むビーム確定方法であって、
前記ビーム構成パラメータは、第１種のビームを確定することに用いられる、
ビーム確定方法。

【請求項9】

前記ビーム構成パラメータは、
ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含み、
前記第１種のビームは、
広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む、
請求項８に記載の方法。

【請求項10】

前記第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられ、
前記第１種のビームおよび前記第２人工知能ネットワークのパラメータは、第２種のビームを確定することに用いられ、
前記第２種のビームは、シグナリングまたはデータを伝送することに用いられる、
請求項８に記載の方法。

【請求項11】

前記第１種のビームと前記第２種のビームの間にマッピング関係が存在し、
第３人工知能ネットワークにより前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
所定の方式で前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、
構成シグナリングを送信することで前記第１種のビームと前記第２種のビームとのマッピング関係を確定することと、の少なくとも１つを更に含む、
請求項１０に記載の方法。

【請求項12】

前記第１種のビームと第２種のビームとの利得差を送信することを更に含み、
前記利得差は、前記第２種のビームの伝送電力を確定することに用いられる、
請求項８に記載の方法。

【請求項13】

ビーム構成パラメータを送信する前に、端末ビーム能力を受信することを更に含み、
前記端末ビーム能力は、前記第１種のビームをサポートする能力、前記第１種のビームをサポートするビームタイプ、前記第１種のビームの処理能力の少なくとも１つを含む、
請求項８に記載の方法。

【請求項14】

プロセッサを備え、
前記プロセッサがコンピュータプログラムを実行すると、請求項１から７のいずれか１項に記載のビーム確定方法または請求項８から１３のいずれか１項に記載のビーム確定方法を実現する、
通信ノード。

【請求項15】

コンピュータプログラムが記憶され、
前記コンピュータプログラムがプロセッサによって実行されると、請求項１から７のいずれか１項に記載のビーム確定方法または請求項８から１３のいずれか１項に記載のビーム確定方法を実現する、
読み書き可能な記憶媒体。

【手続補正2】

【補正対象書類名】明細書

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【発明の詳細な説明】

【技術分野】

【0001】

本願は、無線通信の技術領域に関し、特に、ビーム確定方法、ノードおよび記憶媒体に関する。

【背景技術】

【0002】

高周波は豊かなスペクトルリソースを有し、無線システム性能を向上させる有効な手段であるが、高周波のキャリア周波数が高く、パスロスが大きいため、ビーム賦形技術に基づいて送信方向をユーザに合わせる必要があり、エネルギー伝送情報を集中してパスロスの過大による性能減衰を克服する。通常の送信または受信ビームの方向を取得する方法は、各方向のビーム走査を行い、その中から性能が良いビーム方向を選択して情報を伝送するビーム方向とすることである。ビーム走査を行う時、各ビームは１つの参照信号リソースに対応し、ビームが細い場合、走査する必要があるビーム方向は非常に多く、それに対応し、参照信号リソースのオーバーヘッドは大きくなる。図１に示すように、離散フーリエ変換（Ｄｉｓｃｒｅｔｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ、ＤＦＴ）に基づく単一のビームのような規則なビームを使用する場合、ビーム走査を行う時、多くの異なる方向のビームを走査する必要があり、大きなパイロットリソースのオーバーヘッドが必要となる。図２に示すように、複数のビーム方向の重ね合わせを含むビームのような不規則なビームリソースを使用する場合、複数の方向のビームを一度にシミュレーションすることができ、ビーム走査の回数を減少することができるが、不規則なビームのビーム向き、ビーム幅、ビームの利得等はいずれも不確定である。現在、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、ＡＩ）は、ビーム走査に用いられる参照信号リソースの数をある程度で減少できるが、パラメータのトレーニング段階で、ビームが細く、トレーニングが要求されるサンプルが多すぎるため、コストが高くなりすぎることもある。

【発明の概要】

【発明が解決しようとする課題】

【0003】

本願の実施例の主な目的は、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服するためのビーム確定方法、ノードおよび記憶媒体を提出することである。

【課題を解決するための手段】

【0004】

本願の実施例は、
ビーム構成パラメータを受信することと、
ビーム構成パラメータに基づいて第１種のビームを確定することとを含む、
ビーム確定方法を提供する。

【0005】

本願の実施例は、
ビーム構成パラメータを確定することと、ビーム構成パラメータを送信することとを含むビーム確定方法であって、
ビーム構成パラメータは、第１種のビームを確定することに用いられる、
ビーム確定方法を提供する。

【0006】

本願の実施例は、
ビーム構成パラメータを受信するための受信モジュールと、
ビーム構成パラメータに基づいて第１種のビームを確定するための処理モジュールとを備える、
ビーム確定装置を提供する。

【0007】

本願の実施例は、
ビーム構成パラメータを確定するための確定モジュールと、ビーム構成パラメータを送信するための送信モジュールとを備えるビーム確定装置であって、
ビーム構成パラメータは、第１種のビームを確定することに用いられる、
ビーム確定装置を提供する。

【0008】

本願の実施例は、
プロセッサを備え、プロセッサがコンピュータプログラムを実行すると、本願のいずれかの実施例に記載のビーム確定方法を実現する、
通信ノードを提供する。

【0009】

本願の実施例は、
コンピュータプログラムが記憶され、コンピュータプログラムがプロセッサによって実行されると、本願のいずれかの実施例に記載のビーム確定方法を実現する、
読み書き可能な記憶媒体を提供する。

【発明の効果】

【0010】

本願の実施例は、ビーム確定方法、ノードおよび記憶媒体を提供し、該方法は、ビーム構成パラメータを受信することと、ビーム構成パラメータに基づいて第１種のビームを確定することとを含む。該方法により、第１種のビームを確定することができ、確定された第１種のビームに基づき、人工知能ネットワークのパラメータの値を確定することができ、またはビーム走査を行って伝送用のビームを確定することができ、人工知能ネットワークのトレーニングの回数を減少し、またはビーム走査の回数を減少し、更に、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服する。

【図面の簡単な説明】

【0011】

【図1】関連技術における規則ビームに基づいてビーム走査を行う模式図である。

【図2】関連技術における不規則ビームに基づいてビーム走査を行う模式図である。

【図3】本願の実施例に係るビーム確定方法のフローチャート。

【図4】本願の実施例に係る別のビーム確定方法のフローチャート。

【図5】本願の実施例に係るビーム確定装置の構造模式図である。

【図6】本願の実施例に係る別のビーム確定装置の構造模式図である。

【図7】本願の実施例に係る更なるビーム確定装置の構造模式図である。

【図8】本願の実施例に係るまた別のビーム確定装置の構造模式図である。

【図9】本願の実施例に係る通信ノードの構造模式図である。

【発明を実施するための形態】

【0012】

本願の目的、技術案および利点を更に明確にするために、以下、図面を参照しながら本願の実施例について詳細に説明する。なお、矛盾しない限り、本願に係る実施例と実施例における特徴は、互いに任意に組み合わせることができる。

【0013】

また、本願の実施例において、「好ましくは」または「例示的には」等の語は、例、証明または説明として表すことに用いられる。本願の実施例における「好ましくは」または「例示的には」と記述された任意の実施例または設計案は、他の実施例または設計案よりも好ましいまたはより優位性があるものと解釈されるべきではない。具体的には、「好ましくは」または「例示的には」等の語の使用は、具体的な方式で関連概念を示すことを意図する。

【0014】

本願の実施例において、端末は、セルラ電話機、コードレス電話機、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ、ＰＤＡ）、無線通信機能を持つハンドヘルドデバイス、コンピューティングデバイスまたは無線モデムに接続された他の処理機器、車載機器、ウェアラブル機器、または５Ｇネットワークもしくは将来の５Ｇ以上のネットワークにおける端末機器等であってもよい。基地局は、ロングタームイボリューション（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ、ＬＴＥ）、ロングタームイボリューションアドバンスト（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎａｄｖａｎｃｅｄ、ＬＴＥ－Ａ）におけるイボリューション型基地局（Ｅｖｏｌｖｅｄ Ｎｏｄｅ Ｂ、ｅＮＢまたはｅＮｏｄｅＢ）、または新しい無線（Ｎｅｗ Ｒａｄｉｏ、ＮＲ）アクセス技術を代表とする５Ｇ基地局機器、または将来の通信システムにおける基地局等であってもよい。更に、基地局は、様々なマクロ基地局、マイクロ基地局、ホーム基地局、リモートラジオユニット、ルータ、またはプライマリーセル（ｐｒｉｍａｒｙ ｃｅｌｌ）およびセカンダリーセル（ｓｅｃｏｎｄａｒｙ ｃｅｌｌ）等の各ネットワーク側機器を含んでもよく、本実施例はこれについて限定しない。

【0015】

更に、本願の実施例に係る方案をより明確に理解しやすいために、ここで、本願の実施例に係る関連概念について説明し、具体的には、以下のとおりである。

【0016】

シグナリングは、無線リソース制御（Ｒａｄｉｏ Ｒｅｓｏｕｒｃｅ Ｃｏｎｔｒｏｌ、ＲＲＣ）、メディアアクセス制御－制御要素（Ｍｅｄｉａ Ａｃｃｅｓｓ Ｃｏｎｔｒｏｌ ｃｏｎｔｒｏｌ ｅｌｅｍｅｎｔ、ＭＡＣ ＣＥ）を含むが、これらに限定されない。

【0017】

ビームの情報は、到来角（ａｎｇｌｅ Ｏｆ Ａｒｒｉｖａｌ、ＡＯＡ）、離脱角（ａｎｇｌｅ Ｏｆ Ｄｅｐａｒｔｕｒｅ、ＡＯＤ）、離脱天頂角（Ｚｅｎｉｔｈ ａｎｇｌｅ Ｏｆ Ｄｅｐａｒｔｕｒｅ、ＺＯＤ）、到来天頂角（Ｚｅｎｉｔｈ ａｎｇｌｅ Ｏｆ Ａｒｒｉｖａｌ、ＺＯＡ）、ＡＯＡ、ＡＯＤ、ＺＯＤ、ＺＯＡのうちの少なくとも１つの角度で構造されたベクトルまたはベクトルインデックス、離散フーリエ変換（Ｄｉｓｃｒｅｔｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ、ＤＦＴ）ベクトル、コードブック内のコードワード、送信ビーム、受信ビーム、送信ビームグループ、受信ビームグループ、送信ビームインデックス、受信ビームインデックス、送信ビームグループインデックス、受信ビームグループインデックスの少なくとも１つを含んでもよい。いくつかの実施例において、ビームは、１つの空間領域フィルタまたは１つの空間受信／送信パラメータを意味してもよく、空間領域フィルタは、ＤＦＴベクトル、プリコーディングベクトル、ＤＦＴ行列、プリコーディング行列、または複数のＤＦＴの線形結合で構成されたベクトル、複数のプリコーディングベクトルの線形結合で構成されたベクトルの少なくとも１つであってもよい。ビームの組み合わせは、複数のベクトル（ＤＦＴベクトル、プリコーディングベクトル、ＤＦＴで構成されたベクトルを含むが、これらに限定されない）の線形結合または非線形結合であってもよい。

【0018】

本願の実施例において、インデックス（ｉｎｄｅｘ）と指示（ｉｎｄｉｃａｔｏｒ）とは、互いに置換可能な概念であり、ベクトルとベクトル量とは、互いに置換可能な概念である。

【0019】

上記概念に基づき、本願の実施例は、ビーム確定方法のフローチャートを提供し、該方法は、端末に適用でき、図３に示すように、該方法は、以下のステップを含んでもよいが、これらに限定されない。

【0020】

Ｓ３０１において、ビーム構成パラメータを受信する。

【0021】

本願の実施例において、ビーム構成パラメータは、端末と通信するノードから送信されてもよく、例えば、基地局から端末にビーム構成パラメータを送信する。好ましくは、上記ビーム構成パラメータは、第１人工知能ネットワークにより確定されてもよく、好ましくは、上記ビーム構成パラメータは、基地局が予め設定された方式で確定してもよいし、チャネルシーンに応じて計算して確定してもよく、本願の実施例は、これらのビーム構成パラメータを確定する方式に限定されない。

【0022】

例示的には、上記ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む。

【0023】

更に、ビーム構成パラメータ内のビーム幅は、広ビームを確定することに使用でき、ビーム構成パラメータは、ビーム方向数、アレイ素子位相、アレイ素子電力のうちの少なくとも１つを含み、不規則ビームまたは多方向ビームを確定することに使用でき、ビーム構成パラメータに含まれるビームインデックス、ビーム幅等の少なくとも１つは、ランダムビームを確定することに使用でき、ビーム構成パラメータに含まれるビーム幅、アレイ素子電力、アレイ素子位相等の少なくとも１つは、非定モジュラスビームを確定することに使用できる。

【0024】

Ｓ３０２において、ビーム構成パラメータに基づいて第１種のビームを確定する。

【0025】

本願の実施例において、第１種のビームは、人工知能ネットワークのパラメータをトレーニングすることに使用でき、例えば、第２人工知能ネットワークのパラメータの値を取得し、または、第１種のビームは、ビーム走査に使用されて伝送用のビーム（例えば、第２種のビーム）を確定することができる。これにより、確定された第１種のビームに基づき、第２人工知能ネットワークのトレーニングの回数を減少し、またはビーム走査の回数を減少することができ、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服することができる。

【0026】

一例において、上記第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含んでもよい。

【0027】

更に、端末は、第１種のビームおよび上記第２人工知能ネットワークのパラメータにより第２種のビームを確定することができ、該第２種のビームは、端末と基地局との間でのシグナリングまたはデータの伝送に使用できる。例えば、端末は、第１種のビームを用いて人工知能ネットワークのトレーニングを行い、第２人工知能ネットワークのパラメータの値を取得し、確定した第２人工知能ネットワークのパラメータの値に基づいて端末の情報伝送に適した最適な第２種のビームインデックスを選択し、該最適な第２種のビームインデックスに対応するビームを用いてデータを伝送する。

【0028】

更に、端末は、第２人工知能ネットワークのパラメータにより第２種のビームを確定することができ、該第２人工知能ネットワークのパラメータは、第１種のビームのトレーニングに基づいて取得できる。

【0029】

例示的には、本願の実施例において、ビーム幅に従ってビームを第１種のビームと第２種のビームとに分けると仮定した場合、第１種のビームは広ビームに分けることができ、それに対応し、第２種のビームは狭いビームに分けることができる。ここで、広ビームは、１／Ｋ電力のビーム幅が第１閾値よりも大きいビームと理解でき、狭いビームは、１／Ｋ電力のビーム幅が第２閾値よりも小さいビームと理解でき、上記第１閾値および第２閾値は、いずれも０よりも大きい数であり、且つ、第２閾値は第１閾値よりも小さく、Ｋは０よりも大きい整数であり、例えば、Ｋ値は２、５、１０である。

【0030】

好ましくは、上記第１種のビームを不規則ビームに分け、上記第２種のビームを規則ビームに分けてもよく、即ち、ビームが規則であるか否かによってビームを２種類に分ける。ここで、不規則ビームは、電力放射形状が不規則なビームと理解でき、例えば、複数の異なるピークを有する。規則ビームは、電力放射形状が規則なビームと理解でき、例えば、ビームが１つのピークだけを有し、例えば、ＤＦＴベクトルで構造されたビームである。

【0031】

好ましくは、更にビームを多方向ビームおよび一方向ビームに分けてもよく、例えば、第１種のビームを多方向ビームに分け、第２種のビームを一方向ビームに分ける。ここで、多方向ビームは、複数のＤＦＴベクトルで線形結合されたビームであってもよいし、複数のＤＦＴの線形結合で構造されたビームであってもよく、一方向ビームは、１つのＤＦＴベクトルで構成されたビームであってもよいし、１つのＤＦＴで構造されたビームであってもよい。

【0032】

なお、上記ビームを構造するＤＦＴベクトルは、２つ以上のＤＦＴベクトルを用いてクロネッカー積（Ｋｒｏｎｅｃｋｅｒ積）により構成するベクトルを含んでもよいが、これらに限定されない。

【0033】

好ましくは、本願の実施例において、第１種のビームをランダムビームに分け、第２種のビームを非ランダムビームに分けてもよい。ここで、ランダムビームとは、ビーム方向がランダムな方式で生成されるビームを意味し、例えば、上記広ビーム、狭いビーム、規則ビーム、非規則ビーム、多方向ビームおよび一方向ビームであり、これらのビームが情報を伝送する度に、指向方向をランダムに生成する。非ランダムビームとは、チャネル状態情報に基づいてビーム方向を確定するビームを意味し、例えば、狭いビーム、規則ビーム、一方向ビームのうちの少なくとも１つである。

【0034】

一例において、ビームを非定モジュラスビームおよび定モジュラスビームという２種類のビームに分けてもよく、例えば、第１種のビームを非定モジュラスビームに分け、第２種のビームを定モジュラスビームに分ける。ここで、非定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値に少なくとも１つの違いがあるものを意味し、定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値がいずれも同じであるものを意味し、例えば、ＤＦＴベクトルである。

【0035】

更に、上記伝送は、受信または送信を含んでもよく、例えば、情報の送信または受信である。ここで、情報は、シグナリングまたはデータを含むが、これらに限定されず、シグナリングは、上りリンク制御情報、または下りリンク制御情報、または物理上りリンク制御チャネル、物理下りリンク制御チャネルのような各制御情報をベアラするための無線リソースを含む。データは、上りデータまたは下りデータ、例えば、物理下りリンク共有チャネルおよび物理上りリンク共有チャネルを含む。

【0036】

一例において、第１種のビームと第２種のビームとの間にマッピング関係が存在する。例えば、端末を例とし、端末は、以下の少なくとも１つの方式に基づいて第１種のビームと第２種のビームとの間のマッピング関係を確定することができる。例えば、端末は、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定し、端末は、所定の方式で第１種のビームと第２種のビームとのマッピング関係を確定し、端末は、構成シグナリングを受信することで第１種のビームと第２種のビームとのマッピング関係を確定する。

【0037】

なお、上記第１種のビームと第２種のビームとの間のマッピング関係は、第１種のビームと第２種のビームとの間に関連関係があると理解でき、関連関係を持つ第１種のビームおよび第２種のビームは、伝送機能でも一定の類似性を有するため、第１種のビームでトレーニングされた第２人工知能ネットワークのパラメータは、第２種のビームを選択するために汎化でき、更に、第１種のビームを用いて走査する時に選択したビームを関連関係がある第２種のビームに置き換えた後、第２種のビームは情報（シグナリングまたはデータを含む）を伝送することに使用できる。例えば、端末は、第１種のビームを用いてビーム走査を行って情報を伝送するための最適な第１種のビームのインデックスを確定し、第１種のビームと第２種のビームとの関連関係に基づいて最適な第１種のビームインデックスに対応する最適な第２種のビームインデックスを確定し、且つ、最適な第２種のビームインデックスに対応するビームを用いてデータを伝送する。

【0038】

好ましくは、上記関連関係を持つ２つのビームは、同一のクワジコロケーション（Ｑｕａｓｉ ｃｏ－ｌｏｃａｔｉｏｎ、ＱＣＬ）パラメータ値を有する特性と、同一の空間受信パラメータ（Ｓｐａｔｉａｌ Ｒｘ Ｐａｒａｍｅｔｅｒ）値を有する特性と、同一の伝送構成指示（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｆｉｇｕｒａｔｉｏｎ Ｉｎｄｉｃａｔｏｒ、ＴＣＩ）値を有する特性と、同一のＱＣＬタイプＤ（ＱＣＬ ｔｙｐｅ Ｄ）値を有する特性と、第１種のビームが第２種のビームのカバー領域をカバーし、第１種のビームの伝送方向が第２種のビームの伝送方向を含み、第１種のビームの指示方向が第２種のビームの指示方向を含む等、空間カバーで一定の重なりを有する特性との少なくとも１つを有してもよい。

【0039】

一例において、上記端末は、第１種のビームと第２種のビームとの利得差を受信することにも使用でき、該利得差は、第２種のビームの伝送電力を確定することに使用できる。

【0040】

例示的には、関連関係を持つ２種のビームは、ビーム利得で違いがあり、例えば、広ビームの利得は狭いビームの利得よりも小さく、多方向ビームの利得は一方向ビームの利得よりも小さく、不規則ビームの利得は規則ビームの利得よりも小さく、非定モジュラスビームの利得は定モジュラスビームの利得よりも小さい。基地局は、関連関係を持つ第１種のビームと第２種のビームとの利得差を取得した後、該利得差を端末に送信することができ、端末は、受信した利得差に基づき、情報を伝送するための電力を調整することで、両者の違いによる性能損失を回避する。例えば、データまたは信号を送信する時、第２種のビームの送信電力を調整するか、または信号またはデータを受信する時、第２種のビームの受信電力を調整するか、または第１種のビームと第２種のビームとの利得差に基づき、チャネル品質を計算する受信電力値を調整し、例えば、信号対干渉雑音比（ｓｉｇｎａｌ－ｔｏ－ｉｎｔｅｒｆｅｒｅｎｃｅ－ｐｌｕｓ－ｎｏｉｓｅ ｒａｔｉｏ、ＳＩＮＲ）における信号部分を計算する電力を調整し、参照信号受信電力（Ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ、ＲＳＲＰ）における受信電力値を調整する。

【0041】

一例において、上記ステップＳ３０１の前に、本願の実施例は、実現形態を更に提供し、端末が基地局に端末ビーム能力を送信することを含む。

【0042】

例示的には、端末ビーム能力は、第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含んでもよい。

【0043】

例えば、端末は、端末ビーム能力を基地局に報告し、基地局は、端末から報告された能力を受信した後、端末から報告された端末ビーム能力に基づいて端末にビーム構成パラメータを設定するか否かを確定することができる。

【0044】

本願の実施例において、上記第１人工知能ネットワーク、第２人工知能ネットワークおよび第３人工知能ネットワークは、いずれも人工知能と呼ばれてもよく、該人工知能は、機械学習、深層学習、強化学習、転移学習、深層強化学習等を含んでもよい。例示的には、一部の実施例において、人工知能は、ニューラルネットワークにより実現することができ、更に、ニューラルネットワークは、入力層、出力層、少なくとも１層の隠蔽層を少なくとも含んでもよく、そのうちの各層のニューラルネットワークは、完全接続層、稠密層、畳み込み層、転置畳み込み層、直接接続層、活性化関数、正規化層、プール化層等の少なくとも１つを使用することを含んでもよいが、これらに限定されない。好ましくは、上記各層のニューラルネットワークは、残差ネットワーク、稠密ネットワーク、循環ネットワーク等のような１つのサブニューラルネットワークを更に含んでもよい。

【0045】

以下、各人工知能ネットワークの関連機能についてそれぞれ詳細に説明し、具体的には、以下のとおりである。

【0046】

第１人工知能ネットワークは、主に、ビーム走査または第２人工知能ネットワークのトレーニングに適した第１種のビームを生成することに用いられる。例えば、アレイ数、アレイ位相情報、振幅情報、および受信エネルギーまたはＲＳＲＰのタグ情報等を入力し、ビーム走査またはビームのトレーニングに用いられるＮ個の第１種のビームのビーム構成パラメータをトレーニングする。

【0047】

第２人工知能ネットワークは、主に、１つのビームセットから少なくとも１つのビームを選択して情報の送受信に使用することに用いられ、ここで、情報は、シグナリングまたはデータを含むが、これらに限定されない。例えば、Ｍ個の送信ビームおよびＮ個の受信ビームがあり、ＭおよびＮは正の整数であり、各送信ビームは、いずれも少なくとも１つのチャネル状態情報参照信号（ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ、ＣＳＩ－ＲＳ）リソース（ｒｅｓｏｕｒｃｅ）またはＣＳＩ－ＲＳリソースセット（ＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅ ｓｅｔ）に対応する。受信されたＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅまたはＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する参照信号受信電力（Ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ、ＲＳＲＰ）を第２人工知能ネットワークに入力し、第２人工知能ネットワークは、入力された少なくとも１つのＲＳＲＰを、１つの最適なビームインデックス、即ち、情報を伝送するためのビームインデックスまたはビームペアインデックスにマッピングし、対応する受信ビームを自分の情報伝送に使用し、送信ビームインデックスを基地局にフィードバックして基地局の情報伝送に使用する。好ましくは、上記ＲＳＲＰをＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する信号対干渉雑音比（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ ａｎｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒａｔｉｏ、ＳＩＮＲ）に置き換えてビームインデックスまたはビームペアインデックスを選択してもよい。好ましくは、上記Ｍ個の送信ビームが全ての選択可能なビーム内の１つのサブセットであってもよく、Ｎ個のビームが全ての選択可能なビームの１つのサブセットであってもよいため、第２人工知能ネットワークにより、１つのサブビームセットで全てのビームセット内のビームを予測することができ、即ち、１つの空間補間の効果を果たし、ビーム走査時のリソースのオーバーヘッドを減少する。

【0048】

例えば、１２８個の送信ビームおよび３２個の受信ビームがあると仮定すると、その中からＭ＝１６個の送信ビームおよびＮ＝４個の受信ビームを均一に選択し、ビームのトレーニングに使用する。該１６個の送信ビームおよび４個の受信ビームは、対応してＲＳＲＰを受信して第２人工知能ネットワークに入力し、１２８個の送信ビームおよび３２個の受信ビームの場合におけるその最適なビームを予測する。即ち、第２人工知能ネットワークは、主に第２種のビームを選択することに用いられるが、第２人工ネットワークのパラメータをトレーニングする時、ビームのトレーニング回数またはオーバーヘッドを減少するために、第１種のビームを使用することができる。

【0049】

第３人工知能ネットワークは、主に第１種のビームと第２種のビームとを関連付けるまたはマッピングすることに用いられる。例えば、第１種のビームおよび対応して受信したＲＳＲＰもしくはＳＩＮＲを入力し、対応する第２種のビームまたは第２種のビームのビームインデックスを出力する。

【0050】

本願の実施例において、第２人工知能ネットワークのトレーニングの回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、端末は、基地局から送信されたビーム構成パラメータを受信し、基地局によって設定されたビーム構成パラメータに基づいて情報を伝送するためのビームを生成し、例えば、上りリンクにおいて、情報を送信するための送信ビームを生成する。端末は、生成したＭ個の送信ビームに基づき、それぞれＭ個のサウンディング参照信号リソース（Ｓｏｕｎｄｉｎｇ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｓｏｕｒｃｅ、ＳＲＳ ｒｅｓｏｕｒｃｅ）で情報を送信し、基地局は、それぞれＮ個の受信ビームを用いて送信された参照パイロット信号を受信し、例えば、ビームのトレーニング用のＳＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｎ個の受信ビームによってそれぞれ受信されたＭ個の送信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、１つのサンプルとする。該サンプルに対応する最適な送信ビームインデックスおよび受信ビームインデックスは、タグとすることができ、少なくとも１つの時刻における複数の端末のサンプルおよびタグを収集して第２人工知能ネットワークの入力とすることで、第２人工知能ネットワークのパラメータを更新する。

【0051】

好ましくは、ビーム走査の回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、端末は、基地局から送信されたビーム構成パラメータを受信し、基地局によって設定されたビーム構成パラメータに基づいて情報を伝送するためのビームを生成し、例えば、上りリンクにおいて、情報を送信するための送信ビームを生成する。端末は、生成したＭ個の送信ビームに基づき、それぞれＭ個のサウンディング参照信号リソース（Ｓｏｕｎｄｉｎｇ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｓｏｕｒｃｅ、ＳＲＳ ｒｅｓｏｕｒｃｅ）で情報を送信し、基地局は、それぞれＮ個の受信ビームを用いて送信された参照パイロット信号を受信し、例えば、ビームのトレーニング用のＳＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｎ個の受信ビームによってそれぞれ受信されたＭ個の送信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、ビームを選択する根拠とし、例えば、Ｍ＊Ｎペアのビームに対応するＲＳＲＰもしくはＳＩＮＲが最も大きい値に対応する送信ビームおよび受信ビームを、情報を伝送するビームとする。

【0052】

図４は、本願の実施例に係るビーム確定方法のフローチャートであり、該方法は、基地局に適用でき、図４に示すように、該方法は、以下のステップを含んでもよいが、これらに限定されない。

【0053】

Ｓ４０１において、ビーム構成パラメータを確定する。

【0054】

本願の実施例において、基地局は、第１人工知能ネットワークによりビーム構成パラメータを確定することができる。例えば、第１人工知能ネットワークにトレーニングに必要な入力情報を入力し、第１人工知能ネットワークにより、ビーム走査またはビームのトレーニングに用いられる第１種のビームのビーム構成パラメータをトレーニングする。

【0055】

ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含んでもよい。

【0056】

更に、ビーム構成パラメータ内のビーム幅は、広ビームを確定することに使用でき、ビーム構成パラメータに含まれるビーム方向数、アレイ素子位相、アレイ素子電力のうちの少なくとも１つは、不規則ビームまたは多方向ビームを確定することに使用でき、ビーム構成パラメータに含まれるビームインデックス、ビーム幅等の少なくとも１つは、ランダムビームを確定することに使用でき、ビーム構成パラメータに含まれるビーム幅、アレイ素子電力、アレイ素子位相等の少なくとも１つは、非定モジュラスビームを確定することに使用できる。

【0057】

Ｓ４０２において、ビーム構成パラメータを送信する。

【0058】

該ビーム構成パラメータは、第１種のビームを確定することに使用でき、第１種のビームは、人工知能ネットワークのパラメータをトレーニングすることに使用でき、例えば、第２人工知能ネットワークのパラメータの値を取得し、または、第１種のビームは、ビーム走査に使用されて伝送用のビーム（例えば、第２種のビーム）を確定することができる。これにより、確定された第１種のビームに基づき、第２人工知能ネットワークのトレーニングの回数を減少し、またはビーム走査の回数を減少することができ、関連技術におけるビームを確定するために大きなパイロットリソースのオーバーヘッドまたは高いコストが必要となる弊害を克服することができる。

【0059】

例示的には、上記第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含んでもよい。

【0060】

好ましくは、第１種のビームおよび第２人工知能ネットワークのパラメータは、情報を伝送する第２種のビームを確定することに使用できる。例えば、端末は、第１種のビームを用いて人工知能ネットワークのトレーニングを行い、第２人工知能ネットワークのパラメータの値を取得し、確定した第２人工知能ネットワークのパラメータの値に基づいて端末の情報伝送に適した最適な第２種のビームインデックスを選択し、該最適な第２種のビームインデックスに対応するビームを用いて情報を伝送する。

【0061】

好ましくは、本願の実施例において、以下の方式でビーム分割を行い、ビームを第１種のビームおよび第２種のビームという２種に分けることができる。例えば、ビーム幅に従ってビームを第１種のビームおよび第２種のビームに分けると、第１種のビームは広ビームに分けることができ、第２種のビームは狭いビームに分けることができる。ここで、広ビームは、１／Ｋ電力のビーム幅が第１閾値よりも大きいビームと理解でき、狭いビームは、１／Ｋ電力のビーム幅が第２閾値よりも小さいビームと理解でき、上記第１閾値および第２閾値は、いずれも０よりも大きい数であり、且つ、第２閾値は第１閾値よりも小さく、Ｋは０よりも大きい整数であり、例えば、Ｋ値は２、５、１０である。

【0062】

あるいは、第１種のビームを不規則ビームに分け、第２種のビームを規則ビームに分けてもよく、即ち、ビームが規則であるか否かによってビームを２種類に分ける。ここで、不規則ビームは、電力放射形状が不規則なビームと理解でき、例えば、ビームに複数の異なるピークがある。規則ビームは、電力放射形状が規則なビームと理解でき、例えば、ビームが１つのピークだけを有し、例えば、ＤＦＴベクトルで構造されたビームである。

【0063】

好ましくは、更にビームを多方向ビームおよび一方向ビームに分けてもよく、例えば、第１種のビームを多方向ビームに分け、第２種のビームを一方向ビームに分ける。ここで、多方向ビームは、複数のＤＦＴベクトルで線形結合されたビームであってもよいし、複数のＤＦＴの線形結合で構造されたビームであってもよく、一方向ビームは、１つのＤＦＴベクトルで構成されたビームであってもよいし、１つのＤＦＴで構造されたビームであってもよい。なお、上記ビームを構造するＤＦＴベクトルは、２つ以上のＤＦＴベクトルを用いてクロネッカー積（Ｋｒｏｎｅｃｋｅｒ積）により構成するベクトルを含んでもよいが、これらに限定されない。

【0064】

または、第１種のビームをランダムビームに分け、第２種のビームを非ランダムビームに分けてもよい。ここで、ランダムビームとは、ビーム方向がランダムな方式で生成されるビームを意味し、例えば、上記広ビーム、狭いビーム、規則ビーム、非規則ビーム、多方向ビームおよび一方向ビームであり、これらのビームが情報を伝送する度に、指向方向をランダムに生成する。非ランダムビームとは、チャネル状態情報に基づいてビーム方向を確定するビームを意味し、例えば、狭いビーム、規則ビーム、一方向ビームのうちの少なくとも１つである。

【0065】

一例において、ビームを非定モジュラスビームおよび定モジュラスビームという２種類のビームに分けてもよく、例えば、第１種のビームを非定モジュラスビームに分け、第２種のビームを定モジュラスビームに分ける。ここで、非定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値に少なくとも１つの違いがあるものを意味し、定モジュラスビームとは、ビームに対応するベクトル内の各要素の絶対値がいずれも同じであるものを意味し、例えば、ＤＦＴベクトルである。

【0066】

更に、上記第２種のビーム伝送情報は、送信情報または受信情報を含んでもよい。ここで、情報は、シグナリングまたはデータを含むが、これらに限定されず、シグナリングは、上りリンク制御情報、または下りリンク制御情報、または物理上りリンク制御チャネル、物理下りリンク制御チャネルのような各制御情報をベアラするための無線リソースを含む。データは、上りデータまたは下りデータ、例えば、物理下りリンク共有チャネルおよび物理上りリンク共有チャネルを含む。

【0067】

一例において、第１種のビームと前記第２種のビームの間にマッピング関係が存在する。

【0068】

更に、基地局は、以下の少なくとも１つ方式により第１種のビームと第２種のビームとの間のマッピング関係を確定することができ、例えば、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定し、所定の方式で第１種のビームと第２種のビームとのマッピング関係を確定し、構成シグナリングを送信することで第１種のビームと第２種のビームとのマッピング関係を確定する。

【0069】

なお、上記第１種のビームと第２種のビームとの間のマッピング関係は、第１種のビームと第２種のビームとの間に関連関係があると理解でき、関連関係を持つ第１種のビームおよび第２種のビームは、伝送機能でも一定の類似性を有するため、第１種のビームでトレーニングされた第２人工知能ネットワークのパラメータは、第２種のビームを選択するために汎化でき、更に、第１種のビームを用いて走査する時に選択したビームを関連関係がある第２種のビームに置き換えた後、第２種のビームは情報（シグナリングまたはデータを含む）を伝送することに使用できる。例えば、端末は、第１種のビームを用いてビーム走査を行って情報を伝送するための最適な第１種のビームのインデックスを確定し、第１種のビームと第２種のビームとの関連関係に基づいて最適な第１種のビームインデックスに対応する最適な第２種のビームインデックスを確定し、且つ、最適な第２種のビームインデックスに対応するビームを用いてデータを伝送する。

【0070】

好ましくは、上記関連関係を持つ２つのビームは、同一のクワジコロケーション（Ｑｕａｓｉ ｃｏ－ｌｏｃａｔｉｏｎ、ＱＣＬ）パラメータ値を有する特性と、同一の空間受信パラメータ（Ｓｐａｔｉａｌ Ｒｘ Ｐａｒａｍｅｔｅｒ）値を有する特性と、同一の伝送構成指示（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｆｉｇｕｒａｔｉｏｎ Ｉｎｄｉｃａｔｏｒ、ＴＣＩ）値を有する特性と、同一のＱＣＬタイプＤ（ＱＣＬ ｔｙｐｅ Ｄ）値を有する特性と、第１種のビームが第２種のビームのカバー領域をカバーし、第１種のビームの伝送方向が第２種のビームの伝送方向を含み、第１種のビームの指示方向が第２種のビームの指示方向を含む等、空間カバーで一定の重なりを有する特性との少なくとも１つを有してもよい。

【0071】

好ましくは、基地局は、第１種のビームと第２種のビームとの利得差を端末に送信することもでき、該利得差は、第２種のビームの伝送電力を確定することに用いられる。

【0072】

関連関係を持つ２種のビームは、ビーム利得で違いがあり、例えば、広ビームの利得は狭いビームの利得よりも小さく、多方向ビームの利得は一方向ビームの利得よりも小さく、不規則ビームの利得は規則ビームの利得よりも小さく、非定モジュラスビームの利得は定モジュラスビームの利得よりも小さい。これにより、基地局は、関連関係を持つ第１種のビームと第２種のビームとの利得差を取得した後、該利得差を端末に送信することができ、端末は、受信した利得差に基づき、情報を伝送するための電力を調整することで、両者の違いによる性能損失を回避する。

【0073】

好ましくは、上記ステップＳ４０１の前に、基地局は、端末から報告された端末ビーム能力を受信することもでき、該端末ビーム能力は、第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含んでもよい。

【0074】

端末は、自身の端末ビーム能力を基地局に報告し、基地局は、端末から報告された能力を受信した後、端末から報告された能力に基づいて端末にビーム構成パラメータを設定するか否かを確定することができる。

【0075】

本願の実施例において、第１人工知能ネットワークは、主に、ビーム走査または第２人工知能ネットワークのトレーニングに適した第１種のビームを生成することに用いられる。例えば、アレイ数、アレイ位相情報、振幅情報、および受信エネルギーまたはＲＳＲＰのタグ情報等を入力し、ビーム走査またはビームのトレーニングに用いられるＮ個の第１種のビームのビーム構成パラメータをトレーニングする。

【0076】

第２人工知能ネットワークは、主に、１つのビームセットから少なくとも１つのビームを選択して情報の送受信に使用することに用いられ、ここで、情報は、シグナリングまたはデータを含むが、これらに限定されない。例えば、Ｍ個の送信ビームおよびＮ個の受信ビームがあり、ＭおよびＮは正の整数であり、各送信ビームは、いずれも少なくとも１つのチャネル状態情報参照信号（ｃｈａｎｎｅｌ ｓｔａｔｅ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ、ＣＳＩ－ＲＳ）リソース（ｒｅｓｏｕｒｃｅ）またはＣＳＩ－ＲＳリソースセット（ＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅ ｓｅｔ）に対応する。受信されたＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅまたはＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する参照信号受信電力（Ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ、ＲＳＲＰ）を第２人工知能ネットワークに入力し、第２人工知能ネットワークは、入力された少なくとも１つのＲＳＲＰを、１つの最適なビームインデックス、即ち、情報を伝送するためのビームインデックスまたはビームペアインデックスにマッピングし、対応する受信ビームを自分の情報伝送に使用し、送信ビームインデックスを基地局にフィードバックして基地局の情報伝送に使用する。好ましくは、上記ＲＳＲＰをＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅに対応する信号対干渉雑音比（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ ａｎｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ｒａｔｉｏ、ＳＩＮＲ）に置き換えてビームインデックスまたはビームペアインデックスを選択してもよい。好ましくは、上記Ｍ個の送信ビームが全ての選択可能なビーム内の１つのサブセットであってもよく、Ｎ個のビームが全ての選択可能なビームの１つのサブセットであってもよいため、第２人工知能ネットワークにより、１つのサブビームセットで全てのビームセット内のビームを予測することができ、即ち、１つの空間補間の効果を果たし、ビーム走査時のリソースのオーバーヘッドを減少する。

【0077】

例えば、１２８個の送信ビームおよび３２個の受信ビームがあると仮定すると、その中からＮ＝１６個の送信ビームおよびＭ＝４個の受信ビームを均一に選択し、ビームのトレーニングに使用する。該１６個の送信ビームおよび４個の受信ビームは、対応してＲＳＲＰを受信して第２人工知能ネットワークに入力し、１２８個の送信ビームおよび３２個の受信ビームの場合におけるその最適なビームを予測する。即ち、第２人工知能ネットワークは、主に第２種のビームを選択することに用いられるが、第２人工ネットワークのパラメータをトレーニングする時、ビームのトレーニング回数またはオーバーヘッドを減少するために、第１種のビームを使用することができる。

【0078】

第３人工知能ネットワークは、主に第１種のビームと第２種のビームとを関連付けるまたはマッピングすることに用いられる。例えば、第１種のビームおよび対応して受信したＲＳＲＰもしくはＳＩＮＲを入力し、対応する第２種のビームまたはビームインデックスを出力する。

【0079】

基地局側にとって、第２人工知能ネットワークのトレーニングの回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、基地局は、取得した端末ビーム能力に基づいて端末にビーム構成パラメータを設定し、設定したビーム構成パラメータを端末に送信することができる。端末は、ビーム構成パラメータを受信した後、ビーム構成パラメータに基づいて情報を伝送するためのビームを生成することができる。例えば、下りリンクにおいて、情報を受信するための受信ビームを生成する。端末は、生成したＭ個の受信ビームに基づき、基地局がＮ個の送信ビームをそれぞれ用いて送信した参照パイロット信号をそれぞれ受信し、例えば、ビームのトレーニング用のＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｍ個の受信ビームによってそれぞれ受信されたＮ個の送信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、１つのサンプルとする。該サンプルに対応する最適な送信ビームインデックスおよび受信ビームインデックスをタグとし、少なくとも１つの時刻における複数の端末のサンプルおよびタグを収集して第２人工知能ネットワークの入力とすることで、第２人工知能ネットワークのパラメータを更新する。

【0080】

好ましくは、ビーム走査の回数を減少し、リソースのオーバーヘッドを減少する目的を達成するために、基地局は、取得した端末ビーム能力に基づいて端末にビーム構成パラメータを設定し、設定したビーム構成パラメータを端末に送信することができる。端末は、基地局から送信されたビーム構成パラメータを受信し、受信したビーム構成パラメータに基づいて情報を伝送するためのビームを確定し、例えば、下りリンクにおいて、情報を受信するための受信ビームを生成する。端末は、生成したＭ個の受信ビームに基づき、基地局がＮ個の送信ビームをそれぞれ用いて送信した参照パイロット信号をそれぞれ受信し、例えば、ビームのトレーニング用のＣＳＩ－ＲＳ ｒｅｓｏｕｒｃｅであり、且つ、Ｍ個の受信ビームによってそれぞれ受信されたＮ個の送信ビームに対応する受信情報、または受信情報に対応するＲＳＲＰもしくはＳＩＮＲ等の少なくとも１つを、ビームを選択する根拠とし、例えば、Ｍ＊Ｎペアのビームに対応するＲＳＲＰもしくはＳＩＮＲが最も大きい値に対応する送信ビームおよび受信ビームを、情報を伝送するためのビームとする。

【0081】

図５は、本願の実施例に係るビーム確定装置の構造模式図であり、図５に示すように、該装置は、受信モジュール５０１と、処理モジュール５０２とを備えてもよく、ここで、受信モジュールは、ビーム構成パラメータを受信することに用いられ、処理モジュールは、ビーム構成パラメータに基づいて第１種のビームを確定することに用いられる。

【0082】

好ましくは、上記ビーム構成パラメータは、第１人工知能ネットワークにより確定できる。

【0083】

例示的には、ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む。

【0084】

第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む。

【0085】

更に、第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられる。

【0086】

一例において、上記処理モジュールは、更に第１種のビームおよび第２人工知能ネットワークのパラメータに基づいて第２種のビームを確定することに用いられ、第２種のビームは、シグナリングまたはデータを伝送することに用いられる。

【0087】

好ましくは、第１種のビームと前記第２種のビームの間にマッピング関係が存在する。

【0088】

一例において、処理モジュールは、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定することに使用されてもよいし、処理モジュールは、所定の方式で第１種のビームと第２種のビームとのマッピング関係を確定することに使用されてもよく、受信モジュールは、構成シグナリングを受信することに使用されてもよく、それに対応し、処理モジュールは、シグナリングを設定することで第１種のビームと第２種のビームとのマッピング関係を確定することができる。

【0089】

一例において、受信モジュールは、第１種のビームと第２種のビームとの利得差を受信することもでき、該利得差は、第２種のビームの伝送電力を確定することに用いられる。

【0090】

図６に示すように、上記装置は、送信モジュール５０３を更に備えてもよく、送信モジュールは、装置自身の端末ビーム能力を送信することに用いられ、端末ビーム能力は、第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含む。

【0091】

本実施例に係るビーム確定装置は、図３に示す実施例のビーム確定方法を実現することに用いられ、その実現原理および技術的効果は類似し、ここで説明を省略する。

【0092】

図７は、本願の実施例に係るビーム確定装置の構造模式図であり、図７に示すように、該装置は、確定モジュール７０１と、送信モジュール７０２とを備えてもよく、確定モジュールは、ビーム構成パラメータを確定することに用いられ、送信モジュールは、ビーム構成パラメータを送信することに用いられる。

【0093】

ここで、ビーム構成パラメータは、第１種のビームを確定することに用いられる。

【0094】

好ましくは、上記ビーム構成パラメータは、第１人工知能ネットワークにより確定できる。

【0095】

例示的には、ビーム構成パラメータは、ビーム幅、ビーム方向数、アレイ素子位相、アレイ素子電力、ビーム利得、ビームインデックス、ビーム組み合わせ、ランダムビーム初期インデックスの少なくとも１つを含む。

【0096】

第１種のビームは、広ビーム、不規則ビーム、多方向ビーム、ランダムビーム、非定モジュラスビームの少なくとも１つを含む。

【0097】

更に、第１種のビームは、第２人工知能ネットワークのパラメータの値を取得することに用いられる。

【0098】

一例において、上記第１種のビームおよび第２人工知能ネットワークのパラメータは、第２種のビームを確定することに使用でき、該第２種のビームは、シグナリングまたはデータを伝送することに用いられる。

【0099】

好ましくは、第１種のビームと第２種のビームの間にマッピング関係が存在する。

【0100】

図８に示すように、一例において、上記装置は、処理モジュール７０３と、受信モジュール７０４とを更に備えてもよく、処理モジュールは、第３人工知能ネットワークにより第１種のビームと第２種のビームとのマッピング関係を確定することに用いられ、処理モジュールは、所定の方式で第１種のビームと前記第２種のビームとのマッピング関係を確定してもよい。

【0101】

好ましくは、送信モジュールは、構成シグナリングを送信してもよく、それに対応し、処理モジュールは、構成シグナリングにより第１種のビームと第２種のビームとのマッピング関係を確定してもよい。

【0102】

一例において、送信モジュールは、第１種のビームと第２種のビームとの利得差を送信することに用いられてもよく、該利得差は、第２種のビームの伝送電力を確定することに用いられる。

【0103】

受信モジュールは、端末ビーム能力を受信することに使用でき、該端末ビーム能力は、
第１種のビームをサポートする能力、第１種のビームをサポートするビームタイプ、第１種のビームの処理能力の少なくとも１つを含む。

【0104】

本実施例に係るビーム確定装置は、図４に示す実施例のビーム確定方法を実現することに用いられ、その実現原理および技術的効果は類似し、ここで説明を省略する。

【0105】

図９は、一実施例に係る通信ノードの構造模式図であり、図９に示すように、該ノードは、プロセッサ９０１と、メモリ９０２とを備え、ノードにおけるプロセッサ９０１の数は、１つであってもよいし、複数であってもよく、図９において、１つのプロセッサ９０１を例とし、ノードにおけるプロセッサ９０１およびメモリ９０２は、バスまたは他の方式で接続することができ、図９において、バスを介して接続することを例とする。

【0106】

メモリ９０２は、コンピュータ可読記憶媒体として、ソフトウェアプログラム、コンピュータ実行可能プログラムおよびモジュール、例えば、本願の図３、図４の実施例におけるビーム確定方法に対応するプログラム指令／モジュール（例えば、図５～図８の実施例に係るビーム確定装置における各モジュール）を記憶するために使用できる。プロセッサ９０１は、メモリ９０２に記憶されたソフトウェアプログラム、命令およびモジュールを実行することにより、上記ビーム確定方法を実現する。

【0107】

メモリ９０２は、主にプログラム記憶エリアおよびデータ記憶エリアを備えてもよく、ここで、プログラム記憶エリアは、オペレーティングシステム、少なくとも１つの機能に必要なアプリケーションプログラムを記憶することができ、データ記憶エリアは、セットトップボックスの使用に基づいて作成されたデータ等を記憶することができる。また、メモリ９０２は、高速ランダムアクセスメモリを含んでもよく、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリ、または他の非一時的な固体記憶デバイスのような非一時的なメモリを更に含んでもよい。

【0108】

一例において、可能な場合、上記ノードにおけるプロセッサは、その内部の論理回路、ゲート回路等のハードウェア回路により上記ビーム確定方法を実現してもよい。

【0109】

本願の実施例は、読み書き可能な記憶媒体を更に提供し、コンピュータ記憶に使用され、該記憶媒体に１つのまたは複数のプログラムが記憶され、１つのまたは複数のプログラムは、上記実施例におけるビーム確定方法を実行するために、１つのまたは複数のプロセッサによって実行できる。

【0110】

当業者であれば、上記開示された方法における全てまたは一部のステップ、機器における機能モジュール／ユニットは、ソフトウェア、ファームウェア、ハードウェアおよびその適当な組み合わせとして実施できることが理解され得る。

【0111】

ハードウェアの実施形態において、上記説明に言及された機能モジュール／ユニットの間での区分は、必ずしも物理コンポーネントの区分に対応するとは限らない。例えば、１つの物理コンポーネントは複数の機能を有してもよいし、または１つの機能もしくはステップは、複数の物理コンポーネントにより協働して実行されてもよい。いくつかの物理コンポーネントまたは全ての物理コンポーネントは、中央プロセッサ、デジタル信号プロセッサまたはマイクロプロセッサのようなプロセッサにより実行されるソフトウェアとして実施されてもよいし、ハードウェアとして実施されてもよいし、特定用途向け集積回路のような集積回路として実施されてもよい。このようなソフトウェアはコンピュータ可読媒体に分布されてもよく、コンピュータ可読媒体は、コンピュータ記憶媒体（または非一時的媒体）および通信媒体（または一時的媒体）を含んでもよい。当業者に周知のように、コンピュータ記憶媒体という用語は、情報（例えば、コンピュータ可読命令、データ構造、プログラムモジュールまたは他のデータ）を記憶するための任意の方法または技術で実施される揮発性および不揮発性、取り外し可能および取り外し不可な媒体を含む。コンピュータ記憶媒体は、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）、読み出し専用メモリ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）、電気的消去可能なプログラマブル読み出し専用メモリ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、ＥＥＰＲＯＭ）、フラッシュメモリまたは他のメモリ技術、コンパクトディスク読み出し専用ディスク（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、ＣＤ－ＲＯＭ）、デジタル多機能ディスク（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ、ＤＶＤ）または他の光ディスクメモリ、磁気カートリッジ、磁気テープ、磁気ディスクメモリまたは他の磁気記憶装置、あるいは、所望の情報を記憶するために用いられてコンピュータによりアクセス可能な任意の他の媒体を含んでもよいが、これらに限定されない。また、当業者に周知のように、通信媒体は、通常、コンピュータ可読命令、データ構造、プログラムモジュール、またはキャリアもしくは他の伝送メカニズムのような変調データ信号内の他データを含み、且つ、任意の情報伝達媒体を含んでもよい。

【国際調査報告】