特表 2024-545603 通信方法および装置

(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】2024-12-10

(54)【発明の名称】通信方法および装置

(51)【国際特許分類】

   H04W 64/00 20090101AFI20241203BHJP

   H04W 24/10 20090101ALI20241203BHJP

【ＦＩ】

H04W64/00 130

H04W24/10

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024529555

(86)(22)【出願日】2022-11-17

(85)【翻訳文提出日】2024-06-27

(86)【国際出願番号】 CN2022132679

(87)【国際公開番号】W WO2023088396

(87)【国際公開日】2023-05-25

(31)【優先権主張番号】202111367563.0

(32)【優先日】2021-11-18

(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】503433420

【氏名又は名称】華為技術有限公司

【氏名又は名称原語表記】ＨＵＡＷＥＩ ＴＥＣＨＮＯＬＯＧＩＥＳ ＣＯ．，ＬＴＤ．

【住所又は居所原語表記】Ｈｕａｗｅｉ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ Ｂｕｉｌｄｉｎｇ， Ｂａｎｔｉａｎ， Ｌｏｎｇｇａｎｇ Ｄｉｓｔｒｉｃｔ， Ｓｈｅｎｚｈｅｎ， Ｇｕａｎｇｄｏｎｇ ５１８１２９， Ｐ．Ｒ． Ｃｈｉｎａ

(74)【代理人】

【識別番号】100132481

【弁理士】

【氏名又は名称】赤澤 克豪

(74)【代理人】

【識別番号】100115635

【弁理士】

【氏名又は名称】窪田 郁大

(72)【発明者】

【氏名】▲呉▼ ▲芸▼群

(72)【発明者】

【氏名】▲孫▼ 雅▲キ▼

(72)【発明者】

【氏名】▲孫▼ ▲イエン▼

【テーマコード（参考）】

5K067

【Ｆターム（参考）】

5K067AA21

5K067DD20

5K067DD43

5K067EE02

5K067EE10

5K067EE16

5K067JJ51

(57)【要約】

通信方法および装置が提供される。本方法は以下を含む。端末デバイス（またはアクセスネットワークデバイス）は、チャネル特徴抽出モデルを使用することによる推論を通してチャネル特徴を取得し、チャネル特徴は、端末デバイスとアクセスネットワークデバイスとの間のチャネルに対応する。端末デバイス（またはアクセスネットワークデバイス）は、ロケーション管理機能ＬＭＦにチャネル特徴を送る。ＬＭＦは、チャネル特徴に基づいて、測位情報取得モデルを使用することによる推論を通して端末デバイスの測位情報を取得する。ＬＭＦは、測位情報に基づいて端末デバイスのロケーション情報を決定し得る。本方法によれば、端末デバイスの測位を実装するかまたはそれの測位の実装を支援するために人工知能モデルが使用されてもよい。

【特許請求の範囲】

【請求項1】

通信方法であって、
ロケーション管理機能ＬＭＦにＸ個のチャネル特徴を送るステップを含み、
前記Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、前記Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、前記チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、前記Ｙ個のチャネル応答は、前記Ｙ個のチャネルと１対１の対応にあり、ＸおよびＹは、１以上の整数である、通信方法。

【請求項2】

ＸはＹ以下であり、および／または前記Ｘ個のチャネル特徴の総次元は前記Ｙ個のチャネル応答の総次元よりも小さい請求項１に記載の方法。

【請求項3】

前記Ｘ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、前記測位情報取得モデルの出力は、前記端末デバイスの測位情報を含む請求項１または２に記載の方法。

【請求項4】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項３に記載の方法。

【請求項5】

通信方法であって、
ロケーション管理機能ＬＭＦにＥ個のチャネル特徴を送るステップを含み、Ｅは、１以上の整数であり、
前記Ｅ個のチャネル特徴は、端末デバイスとアクセスネットワークデバイスとの間のＥ個のチャネルに対応し、前記Ｅ個のチャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、前記チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、前記チャネル応答は、前記チャネル特徴に対応するチャネルに対応する、通信方法。

【請求項6】

前記チャネル特徴の次元は前記チャネル応答の次元よりも小さい請求項５に記載の方法。

【請求項7】

前記Ｅ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、前記測位情報取得モデルの出力は、前記端末デバイスの測位情報を含む請求項５または６に記載の方法。

【請求項8】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｅ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項７に記載の方法。

【請求項9】

前記チャネルタイプ、前記第１の経路ロケーション、または前記端末デバイスの前記相対方位角のうちの少なくとも１つは、前記端末デバイスの前記ロケーション情報を決定するために使用される請求項４または８に記載の方法。

【請求項10】

前記方法は、
前記チャネル特徴抽出モデルに関する情報を受信するステップ
をさらに含む請求項１乃至９のいずれか一項に記載の方法。

【請求項11】

前記方法は、
第１の基準モデルに基づいて前記チャネル特徴抽出モデルを決定するステップをさらに含み、前記第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む
請求項１乃至１０のいずれか一項に記載の方法。

【請求項12】

前記チャネル特徴抽出モデルおよび前記第１の基準測位情報取得モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である請求項１１に記載の方法。

【請求項13】

通信方法であって、
Ｘ個のチャネル特徴を受信するステップであって、前記Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、ＸおよびＹは、１以上の正の整数である、ステップと、
前記Ｘ個のチャネル特徴および測位情報取得モデルに基づいて前記端末デバイスの測位情報を取得するステップと
を含む、通信方法。

【請求項14】

ＸはＹ以下であり、および／または前記Ｘ個のチャネル特徴の総次元はＹ個のチャネル応答の総次元よりも小さい請求項１３に記載の方法。

【請求項15】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項１３または１４に記載の方法。

【請求項16】

前記チャネルタイプ、前記第１の経路ロケーション、または前記端末デバイスの前記相対方位角のうちの少なくとも１つに基づいて前記端末デバイスの前記ロケーション情報を決定するステップ
をさらに含む請求項１５に記載の方法。

【請求項17】

前記方法は、
前記測位情報取得モデルに関する情報を受信するステップ
をさらに含む請求項１３乃至１６のいずれか一項に記載の方法。

【請求項18】

前記方法は、
第１の基準モデルに基づいて前記測位情報取得モデルを決定するステップをさらに含み、前記第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む
請求項１３乃至１６のいずれか一項に記載の方法。

【請求項19】

前記測位情報取得モデルおよび前記第１の基準チャネル特徴抽出モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である請求項１８に記載の方法。

【請求項20】

前記方法は、
チャネル特徴抽出モデルに関する情報を送るステップをさらに含み、前記チャネル特徴抽出モデルの出力は前記チャネル特徴を含む
請求項１３乃至１９のいずれか一項に記載の方法。

【請求項21】

通信方法であって、
トレーニングデータセットを受信するステップであって、前記トレーニングデータセット中のトレーニングデータのそれぞれは、端末デバイスのＹ個のチャネルのＹ個のチャネル応答およびＹ個の測位情報を示し、前記Ｙ個のチャネル応答は、前記Ｙ個の測位情報と１対１の対応にある、ステップと、
前記トレーニングデータセットに基づくトレーニングを通してチャネル特徴抽出モデルおよび測位情報取得モデルを取得するステップであって、前記チャネル特徴抽出モデルの入力は、前記Ｙ個のチャネル応答のうちの少なくとも１つに基づいて決定され、前記測位情報取得モデルの入力は、前記チャネル特徴抽出モデルの出力に基づいて決定される、ステップと
を含む、通信方法。

【請求項22】

請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項23】

プロセッサおよびメモリを備える、通信装置であって、前記プロセッサは、前記メモリに結合されており、前記プロセッサは、請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項24】

請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項25】

プロセッサおよびメモリを備える、通信装置であって、前記プロセッサは、前記メモリに結合されており、前記プロセッサは、請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項26】

請求項２１に記載の方法を実装するように構成された、通信装置。

【請求項27】

請求項２２もしくは２３に記載の通信装置、および請求項２４もしくは２５に記載の通信装置を備えるか、
請求項２２もしくは２３に記載の通信装置、および請求項２６に記載の通信装置を備えるか、
請求項２４もしくは２５に記載の通信装置、および請求項２６に記載の通信装置を備えるか、または
請求項２２もしくは２３に記載の通信装置、請求項２４もしくは２５に記載の通信装置、および請求項２６に記載の通信装置を備える、
通信システム。

【請求項28】

コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体は命令を記憶しており、前記命令がコンピュータ上で稼働されたとき、前記コンピュータは、請求項１乃至１２のいずれか一項に記載の方法、または請求項１３乃至２０のいずれか一項に記載の方法、または請求項２１に記載の方法を実施することを可能にされる、コンピュータ可読記憶媒体。

【請求項29】

命令を含む、コンピュータプログラム製品であって、前記命令がコンピュータ上で稼働されたとき、前記コンピュータは、請求項１乃至１２のいずれか一項に記載の方法、または請求項１３乃至２０のいずれか一項に記載の方法、または請求項２１に記載の方法を実施することを可能にされる、コンピュータプログラム製品。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、通信技術の分野に関し、詳細には、測位方法および装置に関する。

【背景技術】

【0002】

本出願は、それの全体が参照により本明細書に組み込まれる、２０２１年１１月１８日に中国国家知識産権局で出願された「ＣＯＭＭＵＮＩＣＡＴＩＯＮ ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ」と題する中国特許出願第２０２１１１３６７５６３．０号の優先権を主張する。

【0003】

通信システムにおいて、測位技術は、モバイル端末のロケーション情報を取得するために使用されることが可能である。たとえば、測位技術は、ナビゲーションおよび航空、プロッティングおよび災害救助、車両ナビゲーション、ロジスティックス情報クエリ、または交通管理などの分野に適用されることがある。モバイル通信の発展とともに、ワイヤレスセルラーネットワークに基づく測位技術は広く適用されている。ワイヤレスセルラーネットワーク、たとえば、第四世代（４ｔｈ ｇｅｎｅｒａｔｉｏｎ， ４Ｇ）または第五世代（５ｔｈ ｇｅｎｅｒａｔｉｏｎ， ５Ｇ）モバイル通信ネットワークでは、モバイル端末のための測位技術は広く調査されている。いかにしてモバイル端末の測位効率を改善すべきかが、研究に値する技術的問題である。

【発明の概要】

【0004】

本出願は、通信方法および装置を提供し、詳細には、端末デバイス測位方法に関する。本方法では、端末デバイス（またはアクセスネットワークデバイス）およびロケーション管理機能（ｌｏｃａｔｉｏｎ ｍａｎａｇｅｍｅｎｔ ｆｕｎｃｔｉｏｎ， ＬＭＦ）が、チャネル特徴抽出モデルおよび測位情報取得モデルを一致した方式で使用し、それにより、端末デバイスのインテリジェント測位が実装されることが可能である。

【0005】

第１の態様によれば、通信方法が提供され、端末デバイス側に実装され得る。本方法は、ＬＭＦにＸ個のチャネル特徴を送ることを含み、Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、Ｙ個のチャネル応答は、Ｙ個のチャネルと１対１の対応にあり、ＸおよびＹは、１以上の整数である。

【0006】

任意選択で、Ｙ個のチャネルは、端末デバイスとＰ個のアクセスネットワークデバイスとの間のＹ個のチャネルである。任意選択で、Ｐ個のアクセスネットワークデバイスのそれぞれと端末デバイスとの間にＥ個のチャネルがあり、Ｅは、１以上の整数である。任意選択で、Ｅが１よりも大きいとき、Ｅ個のチャネル中の異なるチャネルは、異なるセル、異なる送受信ポイント（ｔｒａｎｓｍｉｔ ｒｅｃｅｉｖｅ ｐｏｉｎｔ， ＴＲＰ）、異なるアンテナパネル、異なるアンテナ、異なるビーム、または異なる周波数帯域のうちの１つまたは組合せに対応する。

【0007】

本方法では、ＬＭＦに送られたチャネル特徴は、端末デバイスの測位を実装するかまたは端末デバイスの測位の実装を支援するために使用され得る。この場合、本方法では、端末デバイスの測位問題を解決するために人工知能モデルが使用されてもよく、それにより、測位効率を改善する。たとえば、端末デバイスのロケーション情報を計算するための従来の決定論的アルゴリズムと比較して、人工知能モデルは、実際のチャネルデータを使用することによるトレーニングを通して取得される。上記の方法では、端末デバイスの測位を実装するかまたは端末デバイスの測位の実装を支援するために人工知能が使用されるとき、この測位は、実際のチャネル環境により近い。したがって、モデルを使用することによる端末デバイスの測位は、より正確である。

【0008】

可能な実装では、ＸはＹ以下であり、および／またはＸ個のチャネル特徴の総次元はＹ個のチャネル応答の総次元よりも小さい。

【0009】

本方法によれば、ＬＭＦと端末デバイスとの間のシグナリングオーバーヘッドは低減されることが可能である。

【0010】

可能な実装では、Ｘ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、測位情報取得モデルの出力は、端末デバイスの測位情報を含む。

【0011】

本方法によれば、ＬＭＦは、Ｘ個のチャネル特徴および測位情報取得モデルを使用することによって端末デバイスの測位情報を取得することができ、それにより、端末デバイスのインテリジェント測位が実装されることが可能であり、測位効率が改善される。

【0012】

可能な実装では、測位情報は、端末デバイスのロケーション情報を示す。

【0013】

可能な実装では、端末デバイスのロケーション情報は、以下、すなわち、端末デバイスのロケーションの経度、端末デバイスのロケーションの緯度、端末デバイスのロケーションの高度、基準ロケーションに対する端末デバイスのロケーション（たとえば、基準アクセスネットワークデバイスのロケーションまたは基準建築物のロケーション）のオフセットなどのうちの少なくとも１つを含む。

【0014】

本方法によれば、端末デバイスのロケーション情報は、モデル推論を通して直接取得され、したがって、端末デバイスの測位は、より単純で、より便利である。

【0015】

可能な実装では、測位情報は、Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、または端末デバイスの相対方位角のうちの少なくとも１つを示す。

【0016】

任意選択で、チャネルタイプは、見通し線（ｌｉｎｅ ｏｆ ｓｉｇｈｔ， ＬＯＳ）または非見通し線（ｎｏｎ－ｌｉｎｅ ｏｆ ｓｉｇｈｔ， ＮＬＯＳ）を含む。

【0017】

任意選択で、第１の経路ロケーションは、１つのＯＦＤＭシンボルにおけるチャネル中の第１の経路の時間領域ロケーションを含む。

【0018】

任意選択で、Ｙ個のチャネルのそれぞれについて、端末デバイスの相対方位角は、チャネルに対応する端末デバイスとアクセスネットワークデバイスとの間の相対ロケーションを示す。任意選択で、相対方位角は、以下、すなわち、チャネル上の基準信号の到着角（ａｎｇｌｅ ｏｆ ａｒｒｉｖａｌ， ＡｏＡ）または離脱角（ａｎｇｌｅ ｏｆ ｄｅｐａｒｔｕｒｅ， ＡＯＤ）のうちの少なくとも１つを含む。任意選択で、基準信号は、チャネル上にあり、端末デバイスによってアクセスネットワークデバイスに送られる基準信号である。

【0019】

測位情報は、端末デバイスのロケーション情報を決定するために使用される。本方法によれば、ＬＭＦは、より単純でより便利なモデルを使用することによって端末デバイスの測位情報を取得して、端末デバイスの測位の実装を支援することができる。

【0020】

可能な実装では、本方法は、チャネル特徴抽出モデルに関する情報を受信することを含む。任意選択で、チャネル特徴抽出モデルに関する情報はＬＭＦから受信されるか、またはチャネル特徴抽出モデルに関する情報は人工知能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ＡＩ）機能ネットワーク要素から受信される。

【0021】

本方法によれば、チャネル特徴抽出モデルのオンライントレーニングが実装されることが可能であり、それにより、端末デバイスは、現在のチャネル状態により良くマッチするチャネル特徴抽出モデルを取得し、それによって測位精度を改善する。

【0022】

可能な実装では、本方法は、第１の基準モデルに基づいてチャネル特徴抽出モデルを決定することを含み、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0023】

可能な実装では、チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である。

【0024】

本方法によれば、端末デバイスは、第１の基準モデルを使用することによるトレーニングを通してチャネル特徴抽出モデルを取得することができる。このようにして、トレーニング反復の量は低減されることが可能であり、トレーニングを通して取得されるチャネル特徴抽出モデルは、現在のチャネル状態により良くマッチすることができ、それにより、高速で、単純で、便利なインテリジェント測位が実装されることが可能である。

【0025】

第２の態様によれば、通信方法が提供され、アクセスネットワークデバイス側に実装され得る。本方法は、ロケーション管理機能ＬＭＦにＥ個のチャネル特徴を送ることを含み、Ｅは、１以上の整数であり、Ｅ個のチャネル特徴は、端末デバイスのＥ個のチャネルに対応し、Ｅ個のチャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、チャネル応答は、チャネル特徴に対応するチャネルに対応する。

【0026】

可能な実装では、チャネル特徴の次元はチャネル応答の次元よりも小さい。

【0027】

可能な実装では、Ｅ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、測位情報取得モデルの出力は、端末デバイスの測位情報を含む。

【0028】

測位情報の説明については、第１の態様を参照されたい。詳細について本明細書で再び説明されない。

【0029】

可能な実装では、本方法は、チャネル特徴抽出モデルに関する情報を受信することを含む。任意選択で、チャネル特徴抽出モデルに関する情報はＬＭＦから受信されるか、またはチャネル特徴抽出モデルに関する情報はＡＩ機能ネットワーク要素から受信される。

【0030】

可能な実装では、本方法は、第１の基準モデルに基づいてチャネル特徴抽出モデルを決定することを含み、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0031】

可能な実装では、チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である。

【0032】

第３の態様によれば、通信方法が提供され、ＡＩ機能ネットワーク要素側に実装され得る。本方法は、Ｘ個のチャネル特徴を受信することであって、Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、ＸおよびＹは、１以上の正の整数であり、Ｘ個のチャネル特徴および測位情報取得モデルに基づいて端末デバイスの測位情報を取得することとを含む。

【0033】

任意選択で、Ｘ個のチャネル特徴は、端末デバイスから受信される。任意選択で、Ｘ個のチャネル特徴は、Ｐ個のアクセスネットワークデバイスから受信される。チャネル特徴のさらなる説明については、第１の態様または第２の態様を参照されたい。詳細について本明細書で再び説明されない。

【0034】

測位情報の説明については、第１の態様を参照されたい。詳細について本明細書で再び説明されない。

【0035】

可能な実装では、ＸはＹ以下であり、および／またはＸ個のチャネル特徴の総次元はＹ個のチャネル応答の総次元よりも小さい。

【0036】

可能な実装では、測位情報取得モデルは、第１の基準モデルに基づいて決定され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0037】

可能な実装では、測位情報取得モデルおよび第１の基準チャネル特徴抽出モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である。

【0038】

第４の態様によれば、通信方法が提供され、ＡＩ機能ネットワーク要素側に実装され得る。本方法は、トレーニングデータセットを受信することであって、トレーニングデータセット中のトレーニングデータのそれぞれは、端末デバイスのＹ個のチャネルのＹ個のチャネル応答およびＹ個の測位情報を示し、Ｙ個のチャネル応答は、Ｙ個の測位情報と１対１の対応にあることと、トレーニングデータセットに基づくトレーニングを通してチャネル特徴抽出モデルおよび測位情報取得モデルを取得することであって、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答のうちの少なくとも１つに基づいて決定され、測位情報取得モデルの入力は、チャネル特徴抽出モデルの出力に基づいて決定されることとを含む。

【0039】

可能な実装では、測位情報取得モデルの出力と、少なくとも１つのチャネル応答に対応する少なくとも１つの測位情報との間の損失関数は、しきい値よりも小さいかまたはしきい値以下である。

【0040】

可能な実装では、チャネル特徴抽出モデルは、端末デバイス、アクセスネットワークデバイス、またはＬＭＦに送られる。

【0041】

可能な実装では、測位情報取得モデルは、ＬＭＦに送られる。

【0042】

第５の態様によれば、装置が提供される。本装置は、第１の態様による方法を実装するように構成される。本装置は、端末デバイス、または端末デバイス中に配設された装置、または一致した方式で端末デバイスとともに使用されることが可能な装置であり得る。設計では、本装置は、第１の態様において説明された方法／動作／ステップ／行為と１対１の対応にあり、それらを実施するように構成されたユニットを含む。ユニットは、ハードウェア回路、ソフトウェア、またはソフトウェアと組み合わせたハードウェア回路によって実装され得る。

【0043】

たとえば、本装置は、処理ユニットおよび通信ユニットを含んでもよく、処理ユニットおよび通信ユニットは、第１の態様における対応する機能を実施してもよい。たとえば、以下の通りである。

【0044】

通信ユニットは、ＬＭＦにＸ個のチャネル特徴を送るように構成され、Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、Ｙ個のチャネル応答は、Ｙ個のチャネルと１対１の対応にあり、ＸおよびＹは、１以上の整数である。Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって処理ユニットによって取得される。

【0045】

Ｙ個のチャネル、Ｘ個のチャネル特徴などの説明については、第１の態様を参照されたい。詳細について再び説明されない。

【0046】

可能な実装では、Ｘ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、測位情報取得モデルの出力は、端末デバイスの測位情報を含む。

【0047】

測位情報の説明については、第１の態様を参照されたい。詳細について本明細書で再び説明されない。

【0048】

可能な実装では、通信ユニットは、チャネル特徴抽出モデルに関する情報を受信するように構成される。任意選択で、チャネル特徴抽出モデルに関する情報はＬＭＦから受信されるか、またはチャネル特徴抽出モデルに関する情報はＡＩ機能ネットワーク要素から受信される。

【0049】

可能な実装では、処理ユニットは、第１の基準モデルに基づいてチャネル特徴抽出モデルを決定するように構成され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0050】

たとえば、本装置は、第１の態様において説明された方法を実装するように構成された、プロセッサを含む。本装置は、命令および／またはデータを記憶するように構成された、メモリをさらに含み得る。メモリはプロセッサに結合される。メモリに記憶されたプログラム命令を実行するとき、プロセッサは、第１の態様において説明された方法を実装することができる。本装置は、通信インターフェースをさらに含んでもよく、通信インターフェースは、別のデバイスと通信するために本装置によって使用される。たとえば、通信インターフェースは、トランシーバ、回路、バス、モジュール、ピン、または別のタイプの通信インターフェースであってもよい。可能な設計では、本装置は、
プログラム命令を記憶するように構成された、メモリと、
通信インターフェースと、
通信インターフェースを通してＬＭＦにＸ個のチャネル特徴を送るように構成された、プロセッサとを含み、Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、Ｙ個のチャネル応答は、Ｙ個のチャネルと１対１の対応にあり、ＸおよびＹは、１以上の整数である。

【0051】

Ｙ個のチャネル、Ｘ個のチャネル特徴などの説明については、第１の態様を参照されたい。詳細について再び説明されない。

【0052】

可能な実装では、プロセッサは、通信インターフェースを通してチャネル特徴抽出モデルに関する情報を受信する。任意選択で、チャネル特徴抽出モデルに関する情報はＬＭＦから受信されるか、またはチャネル特徴抽出モデルに関する情報はＡＩ機能ネットワーク要素から受信される。

【0053】

可能な実装では、プロセッサは、第１の基準モデルに基づいてチャネル特徴抽出モデルを決定するように構成され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0054】

第６の態様によれば、装置が提供される。本装置は、第２の態様による方法を実装するように構成される。本装置は、アクセスネットワークデバイス、またはアクセスネットワークデバイス中に配設された装置、または一致した方式でアクセスネットワークデバイスとともに使用されることが可能な装置であり得る。設計では、本装置は、第２の態様において説明された方法／動作／ステップ／行為と１対１の対応にあり、それらを実施するように構成されたユニットを含む。ユニットは、ハードウェア回路、ソフトウェア、またはソフトウェアと組み合わせたハードウェア回路によって実装され得る。

【0055】

たとえば、本装置は、処理ユニットおよび通信ユニットを含んでもよく、処理ユニットおよび通信ユニットは、第２の態様における対応する機能を実施してもよい。たとえば、以下の通りである。

【0056】

通信ユニットは、ロケーション管理機能ＬＭＦにＥ個のチャネル特徴を送るように構成され、Ｅは、１以上の整数であり、Ｅ個のチャネル特徴は、端末デバイスのＥ個のチャネルに対応し、Ｅ個のチャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、チャネル応答は、チャネル特徴に対応するチャネルに対応する。Ｅ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって処理ユニットによって取得される。

【0057】

チャネル特徴の説明については、第２の態様を参照されたい。詳細について再び説明されない。

【0058】

可能な実装では、通信ユニットは、チャネル特徴抽出モデルに関する情報を受信するように構成される。任意選択で、チャネル特徴抽出モデルに関する情報はＬＭＦから受信されるか、またはチャネル特徴抽出モデルに関する情報はＡＩ機能ネットワーク要素から受信される。

【0059】

可能な実装では、処理ユニットは、第１の基準モデルに基づいてチャネル特徴抽出モデルを決定するように構成され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0060】

たとえば、本装置は、第２の態様において説明された方法を実装するように構成された、プロセッサを含む。本装置は、命令および／またはデータを記憶するように構成された、メモリをさらに含み得る。メモリはプロセッサに結合される。メモリに記憶されたプログラム命令を実行するとき、プロセッサは、第２の態様において説明された方法を実装することができる。本装置は、通信インターフェースをさらに含んでもよく、通信インターフェースは、別のデバイスと通信するために本装置によって使用される。たとえば、通信インターフェースは、トランシーバ、回路、バス、モジュール、ピン、別のタイプの通信インターフェースなどであってもよい。可能な設計では、本装置は、
プログラム命令を記憶するように構成された、メモリと、
通信インターフェースと、
通信インターフェースを通してロケーション管理機能ＬＭＦにＥ個のチャネル特徴を送るように構成された、プロセッサとを含み、Ｅは、１以上の整数であり、Ｅ個のチャネル特徴は、端末デバイスのＥ個のチャネルに対応し、Ｅ個のチャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、チャネル応答は、チャネル特徴に対応するチャネルに対応する。

【0061】

チャネル特徴の説明については、第２の態様を参照されたい。詳細について再び説明されない。

【0062】

可能な実装では、プロセッサは、通信インターフェースを通してチャネル特徴抽出モデルに関する情報を受信する。任意選択で、チャネル特徴抽出モデルに関する情報はＬＭＦから受信されるか、またはチャネル特徴抽出モデルに関する情報はＡＩ機能ネットワーク要素から受信される。

【0063】

可能な実装では、プロセッサは、第１の基準モデルに基づいてチャネル特徴抽出モデルを決定するように構成され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0064】

第７の態様によれば、第３の態様による方法を実装するために、装置が提供される。本装置は、ＬＭＦ、またはＬＭＦ中に配設された装置、または一致した方式でＬＭＦとともに使用されることが可能な装置であり得る。設計では、本装置は、第３の態様において説明された方法／動作／ステップ／行為と１対１の対応にあり、それらを実施するように構成されたユニットを含む。ユニットは、ハードウェア回路、ソフトウェア、またはソフトウェアと組み合わせたハードウェア回路によって実装され得る。

【0065】

たとえば、本装置は、処理ユニットおよび通信ユニットを含んでもよく、処理ユニットおよび通信ユニットは、第３の態様における対応する機能を実施してもよい。たとえば、以下の通りである。

【0066】

通信ユニットは、Ｘ個のチャネル特徴を受信するように構成され、Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、ＸおよびＹは、１以上の正の整数である。

【0067】

通信ユニットは、Ｘ個のチャネル特徴および測位情報取得モデルに基づいて端末デバイスの測位情報を取得するように構成される。

【0068】

チャネル特徴、測位情報などの説明については、第３の態様を参照されたい。詳細について再び説明されない。

【0069】

可能な実装では、処理ユニットは、第１の基準モデルに基づいて測位情報取得モデルを決定するように構成され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0070】

たとえば、本装置は、第３の態様において説明された方法を実装するように構成された、プロセッサを含む。本装置は、命令および／またはデータを記憶するように構成された、メモリをさらに含み得る。メモリはプロセッサに結合される。メモリに記憶されたプログラム命令を実行するとき、プロセッサは、第３の態様において説明された方法を実装することができる。本装置は、通信インターフェースをさらに含んでもよく、通信インターフェースは、別のデバイスと通信するために本装置によって使用される。たとえば、通信インターフェースは、トランシーバ、回路、バス、モジュール、ピン、別のタイプの通信インターフェースなどであってもよい。可能な設計では、本装置は、
プログラム命令を記憶するように構成された、メモリと、
通信インターフェースと、
通信インターフェースを通してＸ個のチャネル特徴を受信するように構成された、プロセッサとを含み、Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、ＸおよびＹは、１以上の正の整数である。

【0071】

プロセッサは、Ｘ個のチャネル特徴および測位情報取得モデルに基づいて端末デバイスの測位情報を取得するように構成される。

【0072】

チャネル特徴、測位情報などの説明については、第３の態様を参照されたい。詳細について再び説明されない。

【0073】

可能な実装では、プロセッサは、第１の基準モデルに基づいて測位情報取得モデルを決定するように構成され、第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む。

【0074】

第８の態様によれば、第４の態様による方法を実装するために、装置が提供される。本装置は、ＡＩ機能ネットワーク要素、またはＡＩ機能ネットワーク要素中に配設された装置、または一致した方式でＡＩ機能ネットワーク要素とともに使用されることが可能な装置であり得る。設計では、本装置は、第４の態様において説明された方法／動作／ステップ／行為と１対１の対応にあり、それらを実施するように構成されたユニットを含む。ユニットは、ハードウェア回路、ソフトウェア、またはソフトウェアと組み合わせたハードウェア回路によって実装され得る。

【0075】

たとえば、本装置は、処理ユニットおよび通信ユニットを含んでもよく、処理ユニットおよび通信ユニットは、第４の態様における対応する機能を実施してもよい。たとえば、以下の通りである。

【0076】

通信ユニットは、トレーニングデータセットを受信するように構成され、トレーニングデータセット中のトレーニングデータのそれぞれは、端末デバイスのＹ個のチャネルのＹ個のチャネル応答およびＹ個の測位情報を示し、Ｙ個のチャネル応答は、Ｙ個の測位情報と１対１の対応にある。

【0077】

処理ユニットは、トレーニングデータセットに基づくトレーニングを通してチャネル特徴抽出モデルおよび測位情報取得モデルを取得するように構成され、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答のうちの少なくとも１つに基づいて決定され、測位情報取得モデルの入力は、チャネル特徴抽出モデルの出力に基づいて決定される。

【0078】

可能な実装では、通信ユニットは、端末デバイス、アクセスネットワークデバイス、またはＬＭＦにチャネル特徴抽出モデルを送るように構成される。

【0079】

可能な実装では、通信ユニットは、ＬＭＦに測位情報取得モデルを送るように構成される。

【0080】

たとえば、本装置は、第４の態様において説明された方法を実装するように構成された、プロセッサを含む。本装置は、命令および／またはデータを記憶するように構成された、メモリをさらに含み得る。メモリはプロセッサに結合される。メモリに記憶されたプログラム命令を実行するとき、プロセッサは、第４の態様において説明された方法を実装することができる。本装置は、通信インターフェースをさらに含んでもよく、通信インターフェースは、別のデバイスと通信するために本装置によって使用される。たとえば、通信インターフェースは、トランシーバ、回路、バス、モジュール、ピン、別のタイプの通信インターフェースなどであってもよい。可能な設計では、本装置は、
プログラム命令を記憶するように構成された、メモリと、
通信インターフェースと、
通信インターフェースを通してトレーニングデータセットを受信するように構成された、プロセッサとを含み、トレーニングデータセット中のトレーニングデータのそれぞれは、端末デバイスのＹ個のチャネルのＹ個のチャネル応答およびＹ個の測位情報を示し、Ｙ個のチャネル応答は、Ｙ個の測位情報と１対１の対応にある。

【0081】

プロセッサは、トレーニングデータセットに基づくトレーニングを通してチャネル特徴抽出モデルおよび測位情報取得モデルを取得するように構成され、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答のうちの少なくとも１つに基づいて決定され、測位情報取得モデルの入力は、チャネル特徴抽出モデルの出力に基づいて決定される。

【0082】

可能な実装では、プロセッサは、通信インターフェースを通して端末デバイス、アクセスネットワークデバイス、またはＬＭＦにチャネル特徴抽出モデルを送る。

【0083】

可能な実装では、プロセッサは、通信インターフェースを通してＬＭＦに測位情報取得モデルを送る。

【0084】

第９の態様によれば、通信システムが提供され、
第５の態様による装置および第７の態様による装置、
第６の態様による装置および第７の態様による装置、
第５の態様による装置および第８の態様による装置、
第６の態様による装置および第８の態様による装置、
第５の態様による装置、第７の態様による装置、および第８の態様による装置、
第６の態様による装置、第７の態様による装置、および第８の態様による装置、または
第５の態様による装置、第６の態様による装置、第７の態様による装置、および第８の態様による装置
を含む。

【0085】

第１０の態様によれば、命令を含む、コンピュータ可読記憶媒体が提供される。命令がコンピュータ上で稼働されたとき、コンピュータは、第１の態様、第２の態様、第３の態様、または第４の態様による方法を実施することを可能にされる。

【0086】

第１１の態様によれば、命令を含む、コンピュータプログラム製品が提供される。命令がコンピュータ上で稼働されたとき、コンピュータは、第１の態様、第２の態様、第３の態様、または第４の態様による方法を実施することを可能にされる。

【0087】

第１２の態様によれば、チップシステムが提供される。チップシステムは、プロセッサを含み、メモリをさらに含み得る。チップシステムは、第１の態様、第２の態様、第３の態様、または第４の態様による方法を実装するように構成される。チップシステムは、チップを含み得るか、またはチップおよび別の個別構成要素を含み得る。

【図面の簡単な説明】

【0088】

【図1】本開示による通信システムのアーキテクチャの概略図である。

【図2】本開示によるニューラルネットワークのレイヤ関係の概略図である。

【図3A】本開示によるネットワークアーキテクチャの概略図である。

【図3B】本開示によるネットワークアーキテクチャの概略図である。

【図3C】本開示によるネットワークアーキテクチャの概略図である。

【図3D】本開示によるネットワークアーキテクチャの概略図である。

【図3E】本開示によるネットワークアーキテクチャの概略図である。

【図4】本開示による測位方法の概略フローチャートである。

【図5A】本開示によるシステムアーキテクチャの概略図である。

【図5B】本開示によるシステムアーキテクチャの概略図である。

【図6】本開示による測位方法の概略フローチャートである。

【図7A】本開示によるＵＥと基地局との間の基準信号送信の概略図である。

【図7B】本開示によるＵＥと基地局との間の基準信号送信の概略図である。

【図8A】本開示によるモデルトレーニング構造の概略図である。

【図8B】本開示によるモデルトレーニング構造の概略図である。

【図8C】本開示によるモデルトレーニング構造の概略図である。

【図9A】本開示によるモデル適用構造の概略図である。

【図9B】本開示によるモデル適用構造の概略図である。

【図9C】本開示によるモデル適用構造の概略図である。

【図10】本開示によるＵＥのロケーションを推定することについての例示的な図である。

【図11】本開示によるチャネルタイプの概略図である。

【図12】本開示による測位方法の概略フローチャートである。

【図13】本開示による測位方法の概略フローチャートである。

【図14A】本開示によるモデルトレーニング構造の概略図である。

【図14B】本開示によるモデルトレーニング構造の概略図である。

【図15】本開示による測位方法の概略フローチャートである。

【図16】本開示による装置の構造の概略図である。

【図17】本開示による装置の構造の概略図である。

【発明を実施するための形態】

【0089】

図１は、本開示が適用されることが可能な通信システム１０００のアーキテクチャの概略図である。図１に示されているように、通信システムは、無線アクセスネットワーク（ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ， ＲＡＮ）１００およびコアネットワーク（ｃｏｒｅ ｎｅｔｗｏｒｋ， ＣＮ）２００を含む。任意選択で、通信システム１０００はインターネット３００をさらに含むことがある。無線アクセスネットワーク１００は、少なくとも１つのアクセスネットワークデバイスを含むことがあり（または、ＲＡＮデバイス、たとえば、図１の１１０ａおよび１１０ｂ、と呼ばれることがあり）、少なくとも１つの端末（たとえば、図１の１２０ａから１２０ｊ）をさらに含むことがある。端末は、アクセスネットワークデバイスにワイヤレス方式で接続される。アクセスネットワークデバイスは、コアネットワークにワイヤレスまたはワイヤード方式で接続される。コアネットワークデバイスおよびアクセスネットワークデバイスは、互いに独立した異なる物理デバイスであり得るか、またはコアネットワークデバイスの機能とアクセスネットワークデバイスの機能とを組み込んだ同じ物理デバイスであり得るか、または別の可能な場合であり得る。たとえば、一方の物理デバイスは、アクセスネットワークデバイスの機能とコアネットワークデバイスの機能の部分とを組み込むことがあり、他方の物理デバイスは、コアネットワークデバイスの機能の残りの部分を実装する。コアネットワークデバイスおよびアクセスネットワークデバイスの物理的存在形態は、本開示では限定されない。端末は、別の端末にワイヤードまたはワイヤレス方式で接続されることがある。アクセスネットワークデバイスは、別のアクセスネットワークデバイスにワイヤードまたはワイヤレス方式で接続されることがある。図１は概略図にすぎず、本開示を限定することを意図されていない。たとえば、通信システムは、別のネットワークデバイスをさらに含むことがあり、たとえば、ワイヤレスリレーデバイス、ワイヤレスバックホールデバイスなどをさらに含むことがある。

【0090】

アクセスネットワークデバイスは、基地局（ｂａｓｅ ｓｔａｔｉｏｎ）、ノードＢ（ＮｏｄｅＢ）、発展型ノードＢ（ｅｖｏｌｖｅｄ ＮｏｄｅＢ， ｅＮｏｄｅＢ， またはｅＮＢ）、送受信ポイント（ｔｒａｎｓｍｉｓｓｉｏｎ ｒｅｃｅｐｔｉｏｎ ｐｏｉｎｔ， ＴＲＰ）、第五世代（５ｔｈ ｇｅｎｅｒａｔｉｏｎ， ５Ｇ）モバイル通信システムにおける次世代ノードＢ（ｎｅｘｔ ｇｅｎｅｒａｔｉｏｎ ＮｏｄｅＢ， ｇＮＢ）、オープン無線アクセスネットワーク（ｏｐｅｎ ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ， Ｏ－ＲＡＮ， またはｏｐｅｎ ＲＡＮ）におけるアクセスネットワークデバイス、第六世代（６ｔｈ ｇｅｎｅｒａｔｉｏｎ， ６Ｇ）モバイル通信システムにおける次世代基地局、将来のモバイル通信システムにおける基地局、ワイヤレスフィデリティ（ｗｉｒｅｌｅｓｓ ｆｉｄｅｌｉｔｙ， Ｗｉ－Ｆｉ）システムにおけるアクセスノードなどであり得る。代替として、アクセスネットワークデバイスは、アクセスネットワークデバイスの機能の部分を完了するモジュールまたはユニットであることがあり、たとえば、中央ユニット（ｃｅｎｔｒａｌ ｕｎｉｔ， ＣＵ）、分散ユニット（ｄｉｓｔｒｉｂｕｔｅｄ ｕｎｉｔ， ＤＵ）、中央ユニット制御プレーン（ＣＵ ｃｏｎｔｒｏｌ ｐｌａｎｅ， ＣＵ－ＣＰ）モジュール、または中央ユニットユーザプレーン（ＣＵ ｕｓｅｒ ｐｌａｎｅ， ＣＵ－ＵＰ）モジュールであり得る。アクセスネットワークデバイスは、マクロ基地局（たとえば、図１の１１０ａ）であり得るか、マイクロ基地局もしくは屋内基地局（たとえば、図１の１１０ｂ）であり得るか、またはリレーノード、ドナーノードなどであり得る。アクセスネットワークデバイスによって使用される特定の技術および特定のデバイス形態は、本開示では限定されない。５Ｇシステムは新無線（ｎｅｗ ｒａｄｉｏ， ＮＲ）システムと呼ばれることもある。

【0091】

本開示では、アクセスネットワークデバイスの機能を実装するように構成された装置は、アクセスネットワークデバイスであり得るか、または機能を実装する際にアクセスネットワークデバイスをサポートすることができる装置、たとえば、チップシステム、ハードウェア回路、ソフトウェアモジュール、もしくはソフトウェアモジュールを加えたハードウェア回路であり得る。本装置は、アクセスネットワークデバイス中に設置されてもよいか、または一致した方式でアクセスネットワークデバイスとともに使用されてもよい。本開示では、チップシステムは、チップを含み得るか、またはチップおよび別の個別構成要素を含み得る。説明しやすいように、以下で、アクセスネットワークデバイスの機能を実装するように構成された装置がアクセスネットワークデバイスであり、アクセスネットワークデバイスが基地局である例を使用することによって、提供される技術的解決策について説明する。

【0092】

（１）プロトコルレイヤ構造。

【0093】

アクセスネットワークデバイスと端末との間の通信は、プロトコルレイヤ構造に準拠する。たとえば、プロトコルレイヤ構造は、制御プレーンプロトコルレイヤ構造およびユーザプレーンプロトコルレイヤ構造を含み得る。たとえば、制御プレーンプロトコルレイヤ構造は、無線リソース制御（ｒａｄｉｏ ｒｅｓｏｕｒｃｅ ｃｏｎｔｒｏｌ， ＲＲＣ）レイヤ、パケットデータコンバージェンスプロトコル（ｐａｃｋｅｔ ｄａｔａ ｃｏｎｖｅｒｇｅｎｃｅ ｐｒｏｔｏｃｏｌ， ＰＤＣＰ）レイヤ、無線リンク制御（ｒａｄｉｏ ｌｉｎｋ ｃｏｎｔｒｏｌ， ＲＬＣ）レイヤ、媒体アクセス制御（ｍｅｄｉａ ａｃｃｅｓｓ ｃｏｎｔｒｏｌ， ＭＡＣ）レイヤ、物理（ｐｈｙｓｉｃａｌ， ＰＨＹ）レイヤなどを含み得る。たとえば、ユーザプレーンプロトコルレイヤ構造は、ＰＤＣＰレイヤ、ＲＬＣレイヤ、ＭＡＣレイヤ、物理レイヤなどを含み得る。可能な実装では、ＰＤＣＰレイヤの上にサービスデータ適応プロトコル（ｓｅｒｖｉｃｅ ｄａｔａ ａｄａｐｔａｔｉｏｎ ｐｒｏｔｏｃｏｌ， ＳＤＡＰ）レイヤがさらにあり得る。

【0094】

任意選択で、アクセスネットワークデバイスと端末との間のプロトコルレイヤ構造は、ＡＩ機能に関係するデータの送信のために使用される、人工知能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ＡＩ）レイヤをさらに含み得る。

【0095】

アクセスネットワークデバイスと端末との間のプロトコルレイヤ構造は、アクセス層（ａｃｃｅｓｓ ｓｔｒａｔｕｍ， ＡＳ）構造として考えられてもよい。任意選択で、ＡＳの上に、非アクセス層（ｎｏｎ－ａｃｃｅｓｓ ｓｔｒａｔｕｍ， ＮＡＳ）レイヤがさらに存在することがあり、非アクセス層レイヤは、コアネットワークデバイスから端末に情報を転送するためにアクセスネットワークデバイスによって使用されるか、または端末からコアネットワークデバイスに情報を転送するためにアクセスネットワークデバイスによって使用される。この場合、端末とコアネットワークデバイスとの間に論理インターフェースがあると考えられてもよい。任意選択で、アクセスネットワークデバイスは、端末とコアネットワークデバイスとの間で情報を透過送信方式で転送してもよい。たとえば、ＮＡＳシグナリング／ＮＡＳメッセージは、ＲＲＣシグナリングにマッピングされるかまたはＲＲＣシグナリングの要素としてＲＲＣシグナリングに含められてもよい。

【0096】

（２）中央ユニット（ｃｅｎｔｒａｌ ｕｎｉｔ， ＣＵ）および分散ユニット（ｄｉｓｔｒｉｂｕｔｅｄ ｕｎｉｔ， ＤＵ）

【0097】

アクセスネットワークデバイスは、ＣＵおよびＤＵを含み得る。この設計はＣＵ－ＤＵスプリットと呼ばれることがある。複数のＤＵは、１つのＣＵによって集中型方式で制御されてもよい。たとえば、ＣＵとＤＵとの間のインターフェースはＦ１インターフェースと呼ばれる。制御プレーン（ｃｏｎｔｒｏｌ ｐａｎｅｌ， ＣＰ）インターフェースはＦ１－Ｃであることがあり、ユーザプレーン（ｕｓｅｒ ｐａｎｅｌ， ＵＰ）インターフェースはＦ１－Ｕであることがある。インターフェースの特定の名前は、本開示では限定されない。ＣＵおよびＤＵは、ワイヤレスネットワークのプロトコルレイヤに基づく分割を通して取得されてもよい。たとえば、ＰＤＣＰレイヤおよびＰＤＣＰレイヤの上にあるプロトコルレイヤ（たとえば、ＲＲＣレイヤおよびＳＤＡＰレイヤ）の機能は、ＣＵに割り振られ、ＰＤＣＰレイヤの下にあるプロトコルレイヤ（たとえば、ＲＬＣレイヤ、ＭＡＣレイヤ、およびＰＨＹレイヤ）の機能は、ＤＵに割り振られる。別の例では、ＰＤＣＰレイヤの上にあるプロトコルレイヤの機能は、ＣＵに割り振られ、ＰＤＣＰレイヤの下にあるプロトコルレイヤの機能は、ＤＵに割り振られる。これは限定されない。

【0098】

プロトコルレイヤに基づいてＣＵおよびＤＵの機能を処理することについての上記の割振りは例にすぎず、別の割振り方式が代替として使用されてもよい。たとえば、ＣＵまたはＤＵは、プロトコルレイヤのより多くの機能を有するように、分割を通して取得され得る。別の例では、ＣＵまたはＤＵは、プロトコルレイヤの処理機能の部分を有するように、分割を通して取得される。たとえば、ＲＬＣレイヤの機能およびＲＬＣレイヤの上にあるプロトコルレイヤの機能の部分は、ＣＵに割り振られ、ＲＬＣレイヤの機能およびＲＬＣレイヤの下にあるプロトコルレイヤの機能の残りの部分は、ＤＵに割り振られる。別の例では、ＣＵまたはＤＵの機能は、サービスタイプまたは別のシステム要件に基づいて割り振られ得、たとえば、遅延に基づいて割り振られてもよい。処理時間が遅延要件を満たす必要がある機能は、ＤＵに割り振られ、処理時間が遅延要件を満たす必要がない機能は、ＣＵに割り振られる。

【0099】

任意選択で、ＣＵは、コアネットワークの１つまたは複数の機能を有してもよい。たとえば、ＣＵは、集中型管理を容易にするためにネットワーク側に配設されてもよい。任意選択で、ＤＵの無線ユニット（ｒａｄｉｏ ｕｎｉｔ， ＲＵ）はリモートで配設され、ＲＵは無線周波数機能を有する。

【0100】

たとえば、ＰＨＹレイヤの機能は、ＤＵおよびＲＵに割り振られてもよい。たとえば、ＤＵは、ＰＨＹレイヤの上位レイヤ機能を実装してもよく、ＲＵは、ＰＨＹレイヤの下位レイヤ機能を実装してもよい。ＰＨＹレイヤが送信のために使用されるとき、ＰＨＹレイヤの機能は、以下の機能、すなわち、サイクリック冗長検査（ｃｙｃｌｉｃ ｒｅｄｕｎｄａｎｃｙ ｃｈｅｃｋ， ＣＲＣ）ビット加算、チャネルコーディング、レートマッチング、スクランブリング、変調、レイヤマッピング、プリコーディング、リソースマッピング、物理アンテナマッピング、または無線周波数送信のうちの少なくとも１つを含み得る。ＰＨＹレイヤが受信のために使用されるとき、ＰＨＹレイヤの機能は、以下の機能、すなわち、ＣＲＣチェック、チャネル復号、デレートマッチング、デスクランブリング、復調、デレイヤマッピング、チャネル検出、リソースデマッピング、物理アンテナデマッピング、または無線周波数受信のうちの少なくとも１つを含み得る。ＰＨＹレイヤの上位レイヤ機能はＰＨＹレイヤの機能の部分を含んでもよく、機能のこの部分はＭＡＣレイヤにより近い。ＰＨＹレイヤの下位レイヤ機能はＰＨＹレイヤの機能の別の部分を含んでもよく、たとえば、機能のこの別の部分は無線周波数機能により近い。たとえば、ＰＨＹレイヤの上位レイヤ機能は、ＣＲＣビット加算、チャネルコーディング、レートマッチング、スクランブリング、変調、およびレイヤマッピングを含むことがあり、ＰＨＹレイヤの下位レイヤ機能は、プリコーディング、リソースマッピング、物理アンテナマッピング、および無線周波数送信を含むことがある。代替として、ＰＨＹレイヤの上位レイヤ機能は、ＣＲＣビット加算、チャネルコーディング、レートマッチング、スクランブリング、変調、レイヤマッピング、およびプリコーディングを含むことがあり、ＰＨＹレイヤの下位レイヤ機能は、リソースマッピング、物理アンテナマッピング、および無線周波数送信を含むことがある。たとえば、ＰＨＹレイヤの上位レイヤ機能は、ＣＲＣチェック、チャネル復号、デレートマッチング、復号、復調、およびデレイヤマッピングを含むことがあり、ＰＨＹレイヤの下位レイヤ機能は、チャネル検出、リソースデマッピング、物理アンテナデマッピング、および無線周波数受信を含むことがある。代替として、ＰＨＹレイヤの上位レイヤ機能は、ＣＲＣチェック、チャネル復号、デレートマッチング、復号、復調、デレイヤマッピング、およびチャネル検出を含むことがあり、ＰＨＹレイヤの下位レイヤ機能は、リソースデマッピング、物理アンテナデマッピング、および無線周波数受信を含むことがある。

【0101】

任意選択で、ＣＵの機能は、１つのエンティティによって実装されてもよいか、または異なるエンティティによって実装されてもよい。たとえば、ＣＵの機能は、制御プレーンおよびユーザプレーンがスプリットされ、異なるエンティティによって実装されるように、さらに割り振られてもよい。スプリットされたエンティティは、それぞれ、制御プレーンＣＵエンティティ（すなわち、ＣＵ－ＣＰエンティティ）およびユーザプレーンＣＵエンティティ（すなわち、ＣＵ－ＵＰエンティティ）である。ＣＵ－ＣＰエンティティおよびＣＵ－ＵＰエンティティは、アクセスネットワークデバイスの機能を一緒に完了するために、ＤＵに結合されてもよい。本開示では、エンティティは、モジュールまたはユニットとして理解されてもよく、エンティティの存在形態は、ハードウェア構造、ソフトウェアモジュール、またはソフトウェアモジュールを加えたハードウェア構造であってもよい。これは限定されない。

【0102】

任意選択で、ＤＵ、ＣＵ、ＣＵ－ＣＰ、ＣＵ－ＵＰ、およびＲＵのいずれか１つが、ソフトウェアモジュール、ハードウェア構造、またはハードウェア構造を加えたソフトウェアモジュールであってもよい。これは限定されない。異なるエンティティは、同じ存在形態を有してもよいか、または異なる存在形態を有してもよい。たとえば、ＤＵ、ＣＵ、ＣＵ－ＣＰ、およびＣＵ－ＵＰはソフトウェアモジュールであり、ＲＵはハードウェア構造である。説明の簡潔さのために、他の可能な組合せは本明細書で列挙されない。これらのモジュールおよびこれらのモジュールによって実施される方法も本開示の保護範囲内に入る。たとえば、本開示による方法がアクセスネットワークデバイスによって実施されるとき、本方法は、ＣＵ、ＤＵ、または以下で説明されるニアリアルタイムＲＩＣによって特に実施され得る。

【0103】

端末は、端末デバイス、ユーザ機器（ｕｓｅｒ ｅｑｕｉｐｍｅｎｔ， ＵＥ）、移動局、モバイル端末などと呼ばれることもある。端末は、通信のための様々なシナリオにおいて広く使用され得る。たとえば、シナリオは、限定はされないが、以下、すなわち、拡張モバイルブロードバンド（ｅｎｈａｎｃｅｄ ｍｏｂｉｌｅ ｂｒｏａｄｂａｎｄ， ｅＭＢＢ）、超高信頼低レイテンシ通信（ｕｌｔｒａ－ｒｅｌｉａｂｌｅ ｌｏｗ－ｌａｔｅｎｃｙ ｃｏｍｍｕｎｉｃａｔｉｏｎ， ＵＲＬＬＣ）、大量マシンタイプ通信（ｍａｓｓｉｖｅ ｍａｃｈｉｎｅ－ｔｙｐｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ， ｍＭＴＣ）、デバイス間（ｄｅｖｉｃｅ－ｔｏ－ｄｅｖｉｃｅ， Ｄ２Ｄ）、ビークルツーエブリシング（ｖｅｈｉｃｌｅ－ｔｏ－ｅｖｅｒｙｔｈｉｎｇ， Ｖ２Ｘ）、マシンタイプ通信（ｍａｃｈｉｎｅ－ｔｙｐｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ， ＭＴＣ）、モノのインターネット（ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ， ＩＯＴ）、仮想現実、拡張現実、工業制御、自動運転、テレメディスン、スマートグリッド、スマート家具、スマートオフィス、スマートウェアラブル、インテリジェント輸送、スマートシティなどのうちの少なくとも１つを含む。端末は、携帯電話、タブレットコンピュータ、ワイヤレストランシーバ機能をもつコンピュータ、ウェアラブルデバイス、車両、無人航空機、ヘリコプター、飛行機、船舶、ロボット、ロボットアーム、スマートホームデバイスなどであり得る。端末によって使用される特定の技術および特定のデバイス形態は、本開示では限定されない。

【0104】

本開示では、端末の機能を実装するように構成された装置は、端末であり得るか、または機能を実装する際に端末デバイスをサポートすることができる装置、たとえば、チップシステム、ハードウェア回路、ソフトウェアモジュール、もしくはソフトウェアモジュールを加えたハードウェア回路であり得る。本装置は、端末中に設置されてもよいか、または一致した方式で端末とともに使用されてもよい。説明しやすいように、以下で、端末の機能を実装するように構成された装置が端末である例を使用することによって、および任意選択で、端末がＵＥである例を使用することによって、本開示で提供される技術的解決策について説明する。

【0105】

基地局および／または端末は、固定位置にあり得るか、または可動であり得る。基地局および／または端末は、地上、屋内もしくは屋外に展開され得るか、またはハンドヘルドもしくは車両搭載型であり得るか、または水上に展開され得るか、または空中の飛行機、バルーン、もしくは衛星に展開され得る。基地局および端末のための環境／シナリオは、本出願では限定されない。基地局および端末は、同じ環境／シナリオまたは異なる環境／シナリオで展開されてもよい。たとえば、基地局と端末とは両方とも地上に展開される。代替として、基地局は地上に展開され、端末は水上に展開される。例は１つずつ提供されない。

【0106】

基地局と端末との役割は相対的であり得る。たとえば、図１のヘリコプターまたは無人航空機１２０ｉは、モバイル基地局として構成されてもよい。１２０ｉを使用することによって無線アクセスネットワーク１００にアクセスする端末１２０ｊにとって、端末１２０ｉは基地局である。基地局１１０ａにとって、１２０ｉは端末であり得、言い換えれば、１１０ａと１２０ｉとは、ワイヤレスエアインターフェースプロトコルに従って互いに通信し得る。代替として、１１０ａと１２０ｉとは、基地局間のインターフェースプロトコルに従って互いに通信する。この場合、１１０ａにとって、１２０ｉも基地局である。したがって、基地局および端末は、まとめて通信装置（または通信デバイス）と呼ばれることがある。図１の１１０ａおよび１１０ｂは、基地局機能を有する通信装置と呼ばれることがあり、図１の１２０ａから１２０ｊは、端末機能を有する通信装置と呼ばれることがある。

【0107】

通信は、認可スペクトルもしくは無認可スペクトルのいずれかを使用することによって、基地局と端末との間で、基地局の間で、もしくは端末の間で実施され得るか、または認可スペクトルと無認可スペクトルの両方を使用することによって実施され得る。通信は、６ギガヘルツ（ｇｉｇａｈｅｒｔｚ， ＧＨｚ）を下回るスペクトルもしくは６ＧＨｚを上回るスペクトルを使用することによって実施され得るか、または６ＧＨｚを下回るスペクトルと６ＧＨｚを上回るスペクトルとの両方を使用することによって実施され得る。ワイヤレス通信のために使用されるスペクトルリソースは、本開示では限定されない。

【0108】

コアネットワーク２００は、１つまたは複数のコアネットワーク要素を含み得る。５Ｇが例として使用され、コアネットワークは、以下のネットワーク要素、すなわち、アクセスおよびモビリティ管理機能（ａｃｃｅｓｓ ａｎｄ ｍｏｂｉｌｉｔｙ ｍａｎａｇｅｍｅｎｔ ｆｕｎｃｔｉｏｎ， ＡＭＦ）ネットワーク要素、セッション管理機能（ｓｅｓｓｉｏｎ ｍａｎａｇｅｍｅｎｔ ｆｕｎｃｔｉｏｎ， ＳＭＦ）ネットワーク要素、ユーザプレーン機能（ｕｓｅｒ ｐｌａｎｅ ｆｕｎｃｔｉｏｎ， ＵＰＦ）ネットワーク要素、ポリシー制御機能（ｐｏｌｉｃｙ ｃｏｎｔｒｏｌ ｆｕｎｃｔｉｏｎ， ＰＣＦ）ネットワーク要素、ユニファイドデータ管理（ｕｎｉｆｉｅｄ ｄａｔａ ｍａｎａｇｅｍｅｎｔ， ＵＤＭ）ネットワーク要素、アプリケーション機能（ａｐｐｌｉｃａｔｉｏｎ ｆｕｎｃｔｉｏｎ， ＡＦ）ネットワーク要素、ロケーション管理機能（ｌｏｃａｔｉｏｎ ｍａｎａｇｅｍｅｎｔ ｆｕｎｃｔｉｏｎ， ＬＭＦ）ネットワーク要素などのうちの少なくとも１つを含むことがある。これらのコアネットワーク要素は、ハードウェア構造、ソフトウェアモジュール、またはソフトウェアモジュールを加えたハードウェア構造であってもよい。異なるネットワーク要素の実装形態は、同じであってもよいか、または異なってもよい。これは限定されない。異なるコアネットワーク要素は、異なる物理デバイスであってもよい（もしくはコアネットワークデバイスと呼ばれることがある）か、または複数の異なるコアネットワーク要素は、１つの物理デバイスへと統合されてもよく、言い換えれば、この物理デバイスは、複数のコアネットワーク要素の機能を有する。

【0109】

本開示では、コアネットワークデバイスの機能を実装するように構成された装置は、コアネットワークデバイスであり得るか、または機能を実装する際にコアネットワークデバイスをサポートすることができる装置、たとえば、チップシステム、ハードウェア回路、ソフトウェアモジュール、もしくはソフトウェアモジュールを加えたハードウェア回路であり得る。本装置は、コアネットワークデバイス中に設置されてもよいか、または一致した方式でコアネットワークデバイスとともに使用されてもよい。本開示では、コアネットワークデバイスの機能を実装するように構成された装置がコアネットワークデバイスである例が使用されて、本開示で提供される技術的解決策について説明する。

【0110】

通信システムでは、モバイル端末のための測位技術が実装されることがある。測位技術は、モバイル端末のロケーション情報を取得するために使用される。測位技術は、ナビゲーションおよび航空、プロッティングおよび災害救助、車両ナビゲーション、ロジスティックス情報クエリ、または交通管理などの分野に適用されることがある。モバイル通信の発展とともに、ワイヤレスセルラーネットワークに基づく測位技術は広く適用されている。ワイヤレスセルラーネットワーク、たとえば、第四世代（４ｔｈ ｇｅｎｅｒａｔｉｏｎ， ４Ｇ）または５Ｇモバイル通信ネットワークでは、モバイル端末のための測位技術は広く調査されている。４Ｇシステムはロングタームエボリューション（ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ， ＬＴＥ）システムを含む。

【0111】

測位効率を改善して、システムがインテリジェントに測位機能を実装するかまたは測位機能の実装を支援できるようにするために、本開示では、測位機能のために人工知能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ＡＩ）技術を導入する。

【0112】

人工知能は、人間の知能をもつ機械を可能にすることができる。たとえば、機械は、コンピュータソフトウェアおよびハードウェアを使用することによって、何らかのインテリジェントな人間の挙動をシミュレートすることができる。人工知能を実装するために、機械学習方法または別の方法が使用され得る。これは限定されない。機械学習方法では、機械は、トレーニングデータを使用することによる学習またはトレーニングを通してモデル（またはルールと呼ばれる）を取得し、モデルを使用して推論または予測を実施する。推論結果または予測結果は、実際的な問題を解決するために使用されることが可能である。機械学習方法は、限定はされないが、以下、すなわち、ニューラルネットワーク（ｎｅｕｒａｌ ｎｅｔｗｏｒｋ， ＮＮ）、デシジョンツリー、ランダムフォレスト、線形モデル、ベイズ分類器、確率的グラフィカルモデル、サポートベクターマシン（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ， ＳＶＭ）などのうちの少なくとも１つを含む。

【0113】

ニューラルネットワークが例として使用される。普遍近似定理によれば、ニューラルネットワークは、理論上、どんな連続関数でも近似することができ、それにより、ニューラルネットワークは、どんなマッピングでも学習する能力を有する。したがって、ニューラルネットワークは、複雑な高次元問題に対して抽象的モデリングを正確に実施することができる。ニューラルネットワークのアイデアは、脳組織のニューロン構造から来ている。ニューロンのそれぞれは、ニューロンの入力値に対して加重和演算を実施し、活性化関数を通して加重和の結果を出力する。ニューロンの入力はｘ＝［ｘ₀，…，ｘ_n］であり、入力に対応する重みはｗ＝［ｗ₀，…，ｗ_n］であり、加重和のオフセットはｂであると仮定される。活性化関数の形態は多様であってもよい。ニューロンの活性化関数がｙ＝ｆ（ｚ）＝ｍａｘ（０，ｚ）である場合、ニューロンの出力は

【数1】

である。別の例では、ニューロンの活性化関数がｙ＝ｆ（ｚ）＝ｚである場合、ニューロンの出力は

【数2】

である。ニューロンの入力ｘ中の要素ｘ_i、重みｗの要素ｗ_i、またはオフセットｂは、小数、整数（０、正の整数、負の整数などを含む）、または複素数など、様々な可能な値を有し得る。たとえば、ｂは０に等しい。ニューラルネットワーク中の異なるニューロンの活性化関数は、同じであるかまたは異なり得る。

【0114】

ニューラルネットワークはマルチレイヤ構造を概して含み、レイヤのそれぞれは１つまたは複数のニューロンを含み得る。ニューラルネットワークの深さおよび／または幅を増加させると、ニューラルネットワークの表現能力を改善し、複雑なシステムのためのより強力な情報抽出および抽象的モデリング能力を提供することができる。ニューラルネットワークの深さは、ニューラルネットワークに含まれるレイヤの量を示し、レイヤのそれぞれに含まれるニューロンの量は、レイヤの幅と呼ばれることがある。図２は、ニューラルネットワークのレイヤ関係の例示的な図である。実装では、ニューラルネットワークは、入力レイヤおよび出力レイヤを含む。受信された入力に対してニューロン処理を実施した後に、ニューラルネットワークの入力レイヤは、結果を出力レイヤに転送し、出力レイヤは、ニューラルネットワークの出力結果を取得する。別の実装では、ニューラルネットワークは、入力レイヤ、隠れレイヤ、および出力レイヤを含む。ニューラルネットワークの入力レイヤは、受信された入力に対してニューロン処理を実施し、次いで、結果を中間の隠れレイヤに転送する。隠れレイヤは、次いで、計算結果を出力レイヤまたは隣接する隠れレイヤに転送する。最後に、出力レイヤは、ニューラルネットワークの出力結果を取得する。１つのニューラルネットワークは、連続的に接続された１つまたは複数の隠れレイヤを含んでもよい。これは限定されない。

【0115】

機械学習のモデルトレーニング処理では、損失関数が定義されることがある。損失関数は、モデルの出力値と理想的なターゲット値との間の差を記述する。損失関数の特定の形態は、本開示では限定されない。モデルトレーニング処理は、損失関数の値がしきい値よりも小さくなるかまたはターゲット要件を満たすように、モデルのパラメータの一部またはモデルの全部のパラメータを調整する処理である。たとえば、ニューラルネットワークのトレーニング処理では、ニューラルネットワークの出力と理想的なターゲット値との間の差ができる限り小さくなるかまたはしきい値よりも小さくなるように、以下のパラメータ、すなわち、ニューラルネットワークのレイヤの量、ニューラルネットワーク幅、レイヤ間の接続関係、ニューロンの一部または全部のニューロンの重み、ニューロンの一部または全部のニューロンの活性化関数、活性化関数におけるオフセットなどのうちの１つまたは複数が調整されてもよい。ニューラルネットワークはモデルとして考えられてもよい。

【0116】

本開示では、モデルはＡＩモデルと呼ばれることもある。ＡＩモデルは、ＡＩ機能を実装するための特定の方法として考えられてもよい。ＡＩモデルは、モデルの入力と出力との間のマッピング関係または関数モデルを表す。ＡＩ機能は、以下、すなわち、データ収集、モデルトレーニング（またはモデル学習）、モデル情報公開、モデルテスト、モデル推論（またはモデル推論、推論、予測などと呼ばれる）、モデル監視またはモデル検査、推論結果公開などのうちの少なくとも１つを含むことがある。ＡＩ機能はＡＩ（関係の）演算と呼ばれることもある。

【0117】

本開示では、ＡＩ関係の演算または機能の一部またはＡＩ関係の演算または機能の全部を実装するために、（たとえば、ＡＩネットワーク要素、ＡＩノード、またはＡＩデバイスと呼ばれる）独立したネットワーク要素が、図１に示されている通信システムに導入されてもよい。ＡＩネットワーク要素は、基地局に直接接続されてもよいか、またはサードパーティネットワーク要素を通して基地局に間接的に接続されてもよい。任意選択で、サードパーティネットワーク要素は、コアネットワーク要素、たとえば、ＡＭＦネットワーク要素またはＵＰＦネットワーク要素であってもよい。代替として、ＡＩエンティティは、ＡＩ関係の演算または機能を実装するために、通信システム中の別のネットワーク要素に配設されてもよい。ＡＩエンティティは、ＡＩモジュール、ＡＩユニット、または別の名前で呼ばれることもあり、一部のＡＩ機能またはＡＩ機能の全部を実装するように主に構成される。ＡＩエンティティの特定の名前は、本開示では限定されない。任意選択で、この別のネットワーク要素は、基地局、コアネットワーク要素、運用、アドミニストレーション、および保守（ｏｐｅｒａｔｉｏｎ， ａｄｍｉｎｉｓｔｒａｔｉｏｎ， ａｎｄ ｍａｉｎｔｅｎａｎｃｅ， ＯＡＭ）デバイスなどであってもよい。この場合、ＡＩ関係の演算を実施するネットワーク要素は、内蔵ＡＩ機能をもつネットワーク要素である。ＡＩネットワーク要素とＡＩエンティティとの両方が、ＡＩ関係の機能を実装する。説明しやすいように、内蔵ＡＩ機能をもつＡＩネットワーク要素およびネットワーク要素は、以下ではＡＩ機能ネットワーク要素としてまとめて説明される。

【0118】

本開示では、ＯＡＭは、コアネットワークデバイスの運用、管理、および／もしくは保守（コアネットワークデバイスの運用、アドミニストレーション、および保守システム）のために構成され、ならびに／またはアクセスネットワークデバイスの運用、管理、および／もしくは保守（アクセスネットワークデバイスの運用、アドミニストレーション、および保守システム）のために構成される。たとえば、本開示は、第１のＯＡＭおよび第２のＯＡＭを含み、第１のＯＡＭは、コアネットワークデバイスの運用、アドミニストレーション、および保守システムであり、第２のＯＡＭは、アクセスネットワークデバイスの運用、アドミニストレーション、および保守システムである。任意選択で、第１のＯＡＭおよび／または第２のＯＡＭは、ＡＩエンティティを含む。別の例では、本開示は、第３のＯＡＭを含み、第３のＯＡＭは、コアネットワークデバイスとアクセスネットワークデバイスとの両方の運用、アドミニストレーション、および保守システムである。任意選択で、第３のＯＡＭは、ＡＩエンティティを含む。

【0119】

任意選択で、ＡＩ機能にマッチし、ＡＩ機能をサポートするために、ＡＩエンティティは、端末または端末チップに組み込まれてもよい。

【0120】

図３Ａは、通信システムにおけるＡＩの適用フレームワークの例示的な図である。図３Ａでは、データソース（ｄａｔａ ｓｏｕｒｃｅ）は、トレーニングデータおよび推論データを記憶するために使用される。モデルトレーニングホスト（ｍｏｄｅｌ ｔｒａｉｎｉｎｇ ｈｏｓｔ）は、データソースによって提供されるトレーニングデータ（ｔｒａｉｎｉｎｇ ｄａｔａ）に基づいてトレーニングまたは更新トレーニングを実施して、ＡＩモデルを取得し、モデル推論ホスト（ｍｏｄｅｌ ｉｎｆｅｒｅｎｃｅ ｈｏｓｔ）上にＡＩモデルを展開する。ＡＩモデルは、モデルの入力と出力との間のマッピング関係を表す。モデルトレーニングホストによる学習を通してＡＩモデルを取得することは、トレーニングデータを使用することによるモデルトレーニングホストによる学習を通してモデルの入力と出力との間のマッピング関係を取得することと等価である。モデル推論ホストは、ＡＩモデルを使用して、データソースによって提供される推論データに基づく推論を実施して、推論結果を取得する。本方法はまた、次のように説明され得る。モデル推論ホストは、推論データをＡＩモデルに入力し、ＡＩモデルを使用することによって出力を取得し、出力は推論結果である。推論結果は、実行オブジェクトによって使用される（作用される）構成パラメータ、および／または実行オブジェクトによって実施される動作を示し得る。推論結果は、アクター（ａｃｔｏｒ）エンティティによって一律に計画され、実行のために１つまたは複数の実行オブジェクト（たとえば、コアネットワーク要素、基地局、またはＵＥ）に送られ得る。任意選択で、モデル推論ホストは、モデル推論ホストの推論結果をモデルトレーニングホストにフィードバックしてもよい。この処理はモデルフィードバックと呼ばれることがある。フィードバックされた推論結果は、モデルトレーニングホストがＡＩモデルを更新し、更新されたＡＩモデルをモデル推論ホスト上に展開することによって使用される。任意選択で、実行オブジェクトは、実行オブジェクトによって収集されたネットワークパラメータをデータソースにフィードバックしてもよい。この処理は性能フィードバックと呼ばれることがある。フィードバックされたネットワークパラメータは、トレーニングデータまたは推論データとして使用され得る。

【0121】

本開示では、図３Ａに示されている適用フレームワークは、図１に示されているネットワーク要素に展開され得る。たとえば、図３Ａの適用フレームワークは、図１の端末デバイス、アクセスネットワークデバイス、コアネットワークデバイス、または独立して展開されたＡＩネットワーク要素（図示されず）のうちの少なくとも１つに展開され得る。たとえば、（モデルトレーニングホストとして考えられてもよい）ＡＩネットワーク要素は、端末デバイスおよび／またはアクセスネットワークデバイスによって提供されるトレーニングデータ（ｔｒａｉｎｉｎｇ ｄａｔａ）に対して分析またはトレーニングを実施して、モデルを取得し得る。（モデル推論ホストとして考えられてもよい）端末デバイス、アクセスネットワークデバイス、またはコアネットワークデバイスのうちの少なくとも１つは、モデルおよび推論データを使用することによって推論を実施して、モデルの出力を取得し得る。推論データは、端末デバイスおよび／またはアクセスネットワークデバイスによって提供され得る。モデルの入力は、推論データを含み、モデルの出力は、モデルに対応する推論結果である。（実行オブジェクトとして考えられてもよい）端末デバイス、アクセスネットワークデバイス、またはコアネットワークデバイスのうちの少なくとも１つは、推論結果に基づく対応する動作を実施し得る。モデル推論ホストおよび実行オブジェクトは、同じであってもよいか、または異なってもよい。これは限定されない。

【0122】

図３Ｂから図３Ｅを参照しながら、以下で、例を使用することによって、本開示で提供される方法が適用されることが可能なネットワークアーキテクチャについて説明する。

【0123】

図３Ｂに示されているように、第１の可能な実装では、アクセスネットワークデバイスは、モデルトレーニングおよび推論を実施するように構成された、ニアリアルタイムアクセスネットワークインテリジェントコントローラ（ＲＡＮ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌｌｅｒ， ＲＩＣ）を含む。たとえば、ニアリアルタイムＲＩＣは、ＡＩモデルをトレーニングし、ＡＩモデルを推論のために使用するように構成されてもよい。たとえば、ニアリアルタイムＲＩＣは、ＣＵ、ＤＵ、またはＲＵのうちの少なくとも１つからネットワーク側および／または端末側に関する情報を取得し得る。この情報はトレーニングデータまたは推論データとして使用されてもよい。任意選択で、ニアリアルタイムＲＩＣは、推論結果をＣＵ、ＤＵ、ＲＵ、または端末デバイスのうちの少なくとも１つにサブミットしてもよい。任意選択で、ＣＵとＤＵとは、推論結果を交換してもよい。任意選択で、ＤＵとＲＵとは、推論結果を交換してもよい。たとえば、ニアリアルタイムＲＩＣは、推論結果をＤＵにサブミットし、ＤＵは、推論結果をＲＵに転送する。

【0124】

図３Ｂに示されているように、第２の可能な実装では、モデルトレーニングおよび推論を実施するように構成された、アクセスネットワーク外にある非リアルタイムＲＩＣがある（任意選択で、非リアルタイムＲＩＣはＯＡＭまたはコアネットワークデバイス中に位置してもよい）。たとえば、非リアルタイムＲＩＣは、ＡＩモデルをトレーニングし、このモデルを推論のために使用するように構成される。たとえば、非リアルタイムＲＩＣは、ＣＵ、ＤＵ、またはＲＵのうちの少なくとも１つからネットワーク側および／または端末側に関する情報を取得し得る。この情報はトレーニングデータまたは推論データとして使用されてもよい。推論結果は、ＣＵ、ＤＵ、ＲＵ、または端末デバイスのうちの少なくとも１つにサブミットされてもよい。任意選択で、ＣＵとＤＵとは、推論結果を交換してもよい。任意選択で、ＤＵとＲＵとは、推論結果を交換してもよい。たとえば、非リアルタイムＲＩＣは、推論結果をＤＵにサブミットし、ＤＵは、推論結果をＲＵに転送する。

【0125】

図３Ｂに示されているように、第３の可能な実装では、アクセスネットワークデバイスはニアリアルタイムＲＩＣを含み、アクセスネットワーク外には非リアルタイムＲＩＣがある（任意選択で、非リアルタイムＲＩＣはＯＡＭまたはコアネットワークデバイス中に位置してもよい）。第２の可能な実装と同じように、非リアルタイムＲＩＣは、モデルトレーニングおよび推論を実施するように構成されてもよい。追加／代替として、第１の可能な実装と同じように、ニアリアルタイムＲＩＣは、モデルトレーニングおよび推論を実施するように構成されてもよい。追加／代替として、非リアルタイムＲＩＣは、モデルトレーニングを実施し、ニアリアルタイムＲＩＣは、非リアルタイムＲＩＣからＡＩモデル情報を取得し、ＣＵ、ＤＵ、またはＲＵのうちの少なくとも１つからネットワーク側および／または端末側に関する情報を取得し、この情報およびＡＩモデル情報を使用することによって推論結果を取得してもよい。任意選択で、ニアリアルタイムＲＩＣは、推論結果をＣＵ、ＤＵ、ＲＵ、または端末デバイスのうちの少なくとも１つにサブミットしてもよい。任意選択で、ＣＵとＤＵとは、推論結果を交換してもよい。任意選択で、ＤＵとＲＵとは、推論結果を交換してもよい。たとえば、ニアリアルタイムＲＩＣは、推論結果をＤＵにサブミットし、ＤＵは、推論結果をＲＵに転送する。たとえば、ニアリアルタイムＲＩＣは、モデルＡをトレーニングし、モデルＡを推論のために使用するように構成される。たとえば、非リアルタイムＲＩＣは、モデルＢをトレーニングし、モデルＢを推論のために使用するように構成される。たとえば、非リアルタイムＲＩＣは、モデルＣをトレーニングし、モデルＣに関する情報をニアリアルタイムＲＩＣに送るように構成され、ニアリアルタイムＲＩＣは、モデルＣを推論のために使用する。

【0126】

図３Ｃは、本開示で提供される方法が適用されることが可能なネットワークアーキテクチャの例示的な図である。図３Ｂと比較して、図３Ｃでは、ＣＵは、ＣＵ－ＣＰおよびＣＵ－ＵＰにスプリットされる。

【0127】

図３Ｄは、本開示で提供される方法が適用されることが可能なネットワークアーキテクチャの例示的な図である。図３Ｄに示されているように、任意選択で、アクセスネットワークデバイスは、１つまたは複数のＡＩエンティティを含み、ＡＩエンティティの機能は、上記のニアリアルタイムＲＩＣのそれと同様である。任意選択で、ＯＡＭは、１つまたは複数のＡＩエンティティを含み、ＡＩエンティティの機能は、上記の非リアルタイムＲＩＣのそれと同様である。任意選択で、コアネットワークデバイスは、１つまたは複数のＡＩエンティティを含み、ＡＩエンティティの機能は、上記の非リアルタイムＲＩＣのそれと同様である。ＯＡＭおよびコアネットワークデバイスがＡＩエンティティをそれぞれ含むとき、ＯＡＭおよびコアネットワークデバイスのＡＩエンティティによってトレーニングを通して取得されるモデルは異なり、および／または推論のために使用されるモデルは異なる。

【0128】

本開示では、モデルの差は、以下の差、すなわち、モデルの構造パラメータ（たとえば、ニューラルネットワークレイヤの量、ニューラルネットワーク幅、レイヤ間の接続関係、ニューロンの重み、ニューロンの活性化関数、もしくは活性化関数におけるオフセットのうちの少なくとも１つ）、モデルの入力パラメータ（たとえば、入力パラメータのタイプおよび／もしくは入力パラメータの次元）、またはモデルの出力パラメータ（たとえば、出力パラメータのタイプおよび／もしくは出力パラメータの次元）のうちの少なくとも１つを含む。

【0129】

図３Ｅは、本開示で提供される方法が適用されることが可能なネットワークアーキテクチャの例示的な図である。図３Ｄと比較して、図３Ｅのアクセスネットワークデバイスは、ＣＵおよびＤＵにスプリットされる。任意選択で、ＣＵは、ＡＩエンティティを含んでもよく、ＡＩエンティティの機能は、上記のニアリアルタイムＲＩＣのそれと同様である。任意選択で、ＤＵは、ＡＩエンティティを含んでもよく、ＡＩエンティティの機能は、上記のニアリアルタイムＲＩＣのそれと同様である。ＣＵおよびＤＵがＡＩエンティティをそれぞれ含むとき、ＣＵおよびＤＵのＡＩエンティティによってトレーニングされるモデルは異なり、および／または推論のために使用されるモデルは異なる。任意選択で、図３ＥのＣＵは、ＣＵ－ＣＰおよびＣＵ－ＵＰにさらにスプリットされてもよい。任意選択で、１つまたは複数のＡＩモデルがＣＵ－ＣＰに展開されてもよい。任意選択で、１つまたは複数のＡＩモデルがＣＵ－ＵＰに展開されてもよい。

【0130】

図３Ｄまたは図３Ｅにおいて、アクセスネットワークデバイスのＯＡＭおよびコアネットワークデバイスのＯＡＭは一律に展開される。代替として、上記で説明されたように、図３Ｄまたは図３Ｅにおいて、アクセスネットワークデバイスのＯＡＭおよびコアネットワークデバイスのＯＡＭは別々に展開されてもよい。

【0131】

本開示では、１つのモデルは、推論を通して１つの出力を取得することがあり、出力は、１つまたは複数のパラメータを含む。異なるモデルの学習処理またはトレーニング処理は、異なるデバイスもしくはノードで展開され得るか、または同じデバイスもしくはノードで展開され得る。異なるモデルの推論処理は、異なるデバイスもしくはノードで展開され得るか、または同じデバイスもしくはノードで展開され得る。

【0132】

本開示では、ネットワーク要素は、ネットワーク要素に関係するステップまたは動作の一部またはそれらの全部を実施し得る。これらのステップまたは動作は例にすぎない。本開示では、様々な動作の他の動作または変形がさらに実施されてもよい。加えて、ステップは、本開示で提示されるシーケンスとは異なるシーケンスで実施されてもよく、本開示におけるすべての動作が実施される必要があるとは限らない。

【0133】

本開示の例では、別段に記載されていない限りまたは論理的矛盾がない限り、異なる例における用語および／または説明は相互参照されてもよく、異なる例における技術的特徴は、それらの内部論理関係に基づいて組み合わされて、新しい例を形成してもよい。

【0134】

本開示では、少なくとも１つは、１つまたは複数としてさらに記述されてもよく、複数のは、２つの、３つの、４つの、またはそれより多くであり得る。これは限定されない。「／」は、関連する対象間の「または」関係を表し得る。たとえば、Ａ／ＢはＡまたはＢを表し得る。「および／または」は、関連する対象間に３つの関係が存在することを記述するために使用され得る。たとえば、Ａおよび／またはＢは、以下の３つの場合、すなわち、Ａのみが存在する、ＡとＢとの両方が存在する、およびＢのみが存在する、を表し得、ＡおよびＢは単数形または複数形であり得る。本開示では技術的解決策を説明しやすいように、「第１の」、「第２の」、「Ａ」、または「Ｂ」などの用語は、同じまたは同様の機能をもつ技術的特徴を区別するために使用されることがある。「第１の」、「第２の」、「Ａ」、または「Ｂ」などの用語は、量および実行シーケンスを限定しない。加えて、「第１の」、「第２の」、「Ａ」、または「Ｂ」などの用語は、明確に異なるように限定されない。「例」または「たとえば」などの用語は、例、例示、または説明を表すために使用される。「例」または「たとえば」として説明されたどんな設計解決策も、別の設計解決策よりも好ましいかまたは有利であるものとして説明されるべきではない。「例」または「たとえば」などの用語の使用は、関係する概念を理解しやすいように特定の方式で提示することを意図されている。

【0135】

本開示で説明されるネットワークアーキテクチャおよびサービスシナリオは、本開示における技術的解決策についてより明確に説明することを意図されており、本開示で提供される技術的解決策に対する限定を構成しない。当業者であれば、ネットワークアーキテクチャの発展および新しいサービスシナリオの出現とともに、本開示で提供される技術的解決策が同様の技術的問題に適用可能でもあることを知り得る。

【0136】

図４は、本開示による測位方法の概略フローチャートである。図４に示されているように、本方法では、一致した方式で使用されるチャネル特徴抽出モデルおよび測位情報取得モデルは、ＵＥの測位を実装するかまたはＵＥの測位を実装することを支援して、ＵＥのロケーション情報を取得するために使用される。本方法では、チャネル特徴抽出モデルは、ＲＡＮ側に展開され、たとえば、基地局またはＵＥに展開され、チャネル応答などのチャネル情報をチャネル特徴にマッピングするために使用される。基地局またはＵＥは、チャネル特徴をコアネットワークに送る。測位情報取得モデルは、コアネットワーク側に展開され、たとえば、ＬＭＦに展開され、チャネル特徴をＵＥの測位情報にマッピングするために使用される。測位情報は、ＵＥのロケーション情報を決定するために使用され得る。

【0137】

この方法では、ＡＩモデルは、ＵＥをインテリジェントに位置特定するために使用されることが可能であり、それにより、測位効率を改善する。たとえば、ＵＥのロケーション情報を計算するための従来の決定論的アルゴリズムと比較して、本開示による方法では、モデルは、チャネル情報トレーニングを通して取得され、モデルに基づいて取得されたＵＥの測位情報は、実際のチャネル環境により近い。したがって、実装するかまたは実装を支援するためにモデルが使用されるＵＥの測位は、より正確である。

【0138】

チャネル特徴抽出モデルはＡＩモデルであり、チャネル特徴抽出モデルの（たとえば、モデル構造およびモデルパラメータを含む）名前および／またはモデルコンテンツは限定されない。たとえば、チャネル特徴抽出モデルは、第１のモデル、特徴抽出モデル、または別の名前で呼ばれることもあり、チャネル応答などのチャネル情報をチャネル特徴にマッピングするために使用される。

【0139】

測位情報取得モデルはＡＩモデルであり、測位情報取得モデルの（たとえば、モデル構造およびモデルパラメータを含む）名前および／またはモデルコンテンツは限定されない。たとえば、測位情報取得モデルは、第２のモデル、測位モデル、または別の名前で呼ばれることがあり、チャネル特徴をＵＥの測位情報にマッピングするために使用される。

【0140】

可能な実装では、ＵＥの測位情報は、ＵＥのロケーション情報を示す。たとえば、ＵＥのロケーション情報は、以下、すなわち、ＵＥのロケーションの経度、ＵＥのロケーションの緯度、ＵＥのロケーションの高度、基準ロケーションに対するＵＥのロケーション（たとえば、基準基地局のロケーションまたは基準建築物のロケーション）のオフセットなどのうちの少なくとも１つを含む。この実装では、測位情報取得モデルは、ＵＥのロケーション情報を決定するために使用されることが可能である。

【0141】

可能な実装では、ＵＥの測位情報は、以下、すなわち、ＵＥと基地局との間のチャネルのタイプ、ＵＥと基地局との間のチャネルの第１の経路のロケーション、またはＵＥと基地局との間の相対方位角（たとえば、ＵＥと基地局との間で送信される信号の到着角（ａｎｇｌｅ ｏｆ ａｒｒｉｖａｌ， ＡｏＡ）および／もしくは離脱角（ａｎｇｌｅ ｏｆ ｄｅｐａｒｔｕｒｅ， ＡＯＤ））のうちの少なくとも１つを示す。本開示では、チャネルタイプは、見通し線（ｌｉｎｅ ｏｆ ｓｉｇｈｔ， ＬＯＳ）または非見通し線（ｎｏｎ－ｌｉｎｅ ｏｆ ｓｉｇｈｔ， ＮＬＯＳ）を含む。ＬＭＦは、チャネルタイプ、第１の経路ロケーション、またはＵＥの相対方位角のうちの少なくとも１つを取得し、取得されたパラメータに基づいてＵＥのロケーション情報を決定し得る。この実装では、測位情報取得モデルは、ＵＥのための測位機能を実装する際にＬＭＦを支援することができる。本開示では、相対方位角は、基地局とＵＥとの間の相対方位角、たとえば、基地局に対するＵＥの方位角、またはＵＥに対する基地局の方位角を表す。

【0142】

図５Ａは、本開示による測位方法のシステムアーキテクチャの概略図である。ＵＥのために、ＡＭＦがＵＥの測位サービスを開始することを決定したとき、またはＡＭＦが、別のネットワーク要素、たとえば、ＵＥもしくはゲートウェイモバイルロケーションセンター（ｇａｔｅｗａｙ ｍｏｂｉｌｅ ｌｏｃａｔｉｏｎ ｃｅｎｔｅｒ， ＧＭＬＣ）からＵＥの測位サービス関係の要求を受信したとき、ＡＭＦは、ＬＭＦに測位サービス要求を送る。ＬＭＦは、測位サービス要求に基づいてＵＥのロケーション情報を取得し、ロケーション情報をＡＭＦに送る。ＡＭＦが別のネットワーク要素からＵＥの測位サービス関係の要求を受信するシナリオでは、ＡＭＦは、ＵＥのロケーション情報をこの別のネットワーク要素に送る。ＡＭＦとＬＭＦとは、ワイヤードまたはワイヤレス方式で接続されてもよく、通常はワイヤード方式で接続される。ＡＭＦによってＬＭＦに送られる測位サービス要求は、ＵＥ関係の情報を含み得る。この情報は、ＲＡＮ中の基地局によってＡＭＦに送られてもよいか、またはＵＥによってＡＭＦに送られてもよい。ＲＡＮは、１つのアクセス技術または複数のアクセス技術に基づく基地局を含み得る。たとえば、図５Ａは、ＬＴＥ基地局ｅＮＢおよびＮＲ基地局ｇＮＢを示している。基地局とＡＭＦは、ワイヤードまたはワイヤレス方式で接続されてもよく、通常はワイヤード方式で接続される。任意選択で、ＵＥがＵＥ関係の情報をＡＭＦに送るとき、またはＡＭＦがＵＥのロケーション情報をＵＥに送るとき、データ送信は、ＵＥとＡＭＦとの間の論理インターフェースを通して実施されてもよい。

【0143】

本開示では、ＵＥとコアネットワーク要素、たとえば、ＡＭＦまたはＬＭＦとの間のデータ（または情報と呼ばれる）は、非アクセス層（ｎｏｎ－ａｃｃｅｓｓ ｓｔｒａｔｕｍ， ＮＡＳ）データとして使用されてもよく、基地局のエアインターフェースを通して転送される。たとえば、基地局は、ＡＭＦからのデータをＮＡＳデータとして使用し、エアインターフェースを通してデータをＵＥに転送し得る。ＵＥは、ＡＭＦに送られ、ＮＡＳデータとして使用されるデータを、エアインターフェースを通して基地局に送ってもよく、基地局は、データをＡＭＦに転送する。

【0144】

図５Ａは、本出願の実施形態による可能なシステムフレームワークを示しており、本出願を限定することを意図されていない。たとえば、図５Ａに示されているシステムフレームワークとは異なり、ＵＥとＬＭＦとの間に論理インターフェースがあり、ＵＥは、ＡＭＦを使用せずにこの論理インターフェースを通してデータをＬＭＦと交換してもよい。たとえば、ＵＥは、ＬＭＦに測位サービス要求を送ってもよく、ＬＭＦは、ＵＥにＵＥのロケーション情報を送ってもよい。ＵＥとＡＭＦとの間のデータ交換のための上記の方法と同様に、ＵＥとＬＭＦとの間のデータは、ＮＡＳデータとして使用され、基地局によって転送されてもよい。別の例では、図５Ａに示されているシステムフレームワークとは異なり、基地局とＬＭＦとの間にデータ交換のためのインターフェースがある。この場合、基地局とＬＭＦとは、ワイヤードまたはワイヤレス方式で接続されてもよく、通常はワイヤード方式で接続される。別の例では、図５Ａに示されている通信システムとは異なり、ＡＭＦの機能およびＬＭＦの機能は同じモジュールに統合されてもよいか、またはＡＭＦの測位機能およびＬＭＦの測位機能は同じモジュールに統合されてもよい。たとえば、図５Ｂに示されているように、そのモジュールが位置しているデバイスは、測位サーバと呼ばれることがある。例は、本開示では１つずつ提供されない。

【0145】

本開示は、ＬＭＦが測位方法を実装する例を使用することによって説明される。本開示は、別のネットワーク要素が測位方法を実装する別の例に適用可能でもあり得る。この場合、ＬＭＦは別のネットワーク要素と交換されてもよい。測位方法を実装するように構成されたネットワーク要素は、ＬＭＦと呼ばれることがあるか、または別の名前、たとえば、第１のネットワーク要素もしくは別の名前を有することがある。これは限定されない。本開示では、図５Ａで説明されたように、ＡＭＦは、ＵＥの測位機能を実装する際にＬＭＦを支援し得る。ＡＭＦは、別の名前、たとえば、第２のネットワーク要素を有し得る。これは限定されない。

【0146】

図６は、本開示による第１の測位方法のフローチャートである。本方法は以下の動作を含む。

【0147】

任意選択で、動作Ｓ６０１：ＵＥが、ＡＩ機能ネットワーク要素にトレーニングデータを送る。任意選択で、動作Ｓ６０２：ＬＭＦが、ＡＩ機能ネットワーク要素にトレーニングデータを送る。任意選択で、動作Ｓ６０３：ＡＩ機能ネットワーク要素が、トレーニングデータを使用することによってモデルトレーニングを実施する。

【0148】

ＡＩ機能ネットワーク要素は、チャネル特徴抽出モデルおよび測位情報取得モデルを取得するために、トレーニングデータを使用することによってモデルトレーニングを実施し得る。トレーニングデータは、ＵＥおよび／またはＬＭＦによってＡＩ機能ネットワーク要素に送られ得る。

【0149】

本開示では、ＵＥが情報をＡＩ機能ネットワーク要素と交換するとき、たとえば、ＵＥがトレーニングデータをＡＩ機能ネットワーク要素に送るとき、または以下のＡＩ機能ネットワーク要素がチャネル特徴抽出モデルに関する情報をＵＥに送るとき、ＡＩ機能ネットワーク要素は、ワイヤードもしくはワイヤレス方式でＵＥと直接通信するか、またはＡＩ機能ネットワーク要素は、別のネットワーク要素（たとえば、限定はされないが、コアネットワーク要素および／または基地局）による転送を通してＵＥと通信する。

【0150】

本開示では、ＬＭＦが情報をＡＩ機能ネットワーク要素と交換するとき、たとえば、ＬＭＦがトレーニングデータをＡＩ機能ネットワーク要素に送るとき、または以下のＡＩ機能ネットワーク要素がモデル情報をＬＭＦに送るとき、ＡＩ機能ネットワーク要素は、ワイヤードもしくはワイヤレス方式でＬＭＦと直接通信するか、またはＡＩ機能ネットワーク要素は、別のネットワーク要素（たとえば、限定はされないが、基地局、および／またはＡＭＦもしくは別のコアネットワーク要素）による転送を通してＬＭＦと通信する。

【0151】

動作Ｓ６０１、Ｓ６０２、およびＳ６０３は任意選択である。たとえば、チャネル特徴抽出モデルおよび測位情報取得モデルは、オフライントレーニングの後にプロトコルにおいて合意される。代替として、チャネル特徴抽出モデルおよび測位情報取得モデルは、サードパーティウェブサイトからダウンロードされる。この場合、Ｓ６０１、Ｓ６０２、およびＳ６０３はスキップされてもよい。

【0152】

任意選択で、動作Ｓ６０１および動作Ｓ６０３は実施されるが、動作Ｓ６０２は実施されないか、または動作Ｓ６０２および動作Ｓ６０３は実施されるが、動作Ｓ６０１は実施されないか、または動作Ｓ６０１、Ｓ６０２、およびＳ６０３はすべて実施される。動作Ｓ６０１において、ＵＥによってＡＩ機能ネットワーク要素に送られるトレーニングデータは、ＵＥによって測定され、および／またはシグナリングを使用することによって基地局によってＵＥに送られてもよい。動作Ｓ６０２において、ＬＭＦによってＡＩ機能ネットワーク要素に送られるトレーニングデータは、ＵＥおよび／または基地局によってＬＭＦに送られてもよい。

【0153】

ＡＩ機能ネットワーク要素によって取得されるトレーニングデータは、チャネル特徴抽出モデルの入力を決定するために使用されるトレーニングデータおよびこの入力に対応するラベルを含む。入力に対応するラベルは、測位情報取得モデルのターゲット出力または理想的出力として理解されてもよい。たとえば、チャネル特徴抽出モデルの入力が、トレーニングデータＡに基づいて決定されたとき、測位情報取得モデルのターゲット出力は、トレーニングデータＡに対応するラベルである。

【0154】

任意選択で、チャネル特徴抽出モデルの入力を決定するために使用されるトレーニングデータは、以下のうちの少なくとも１つを含む：
－ ＵＥと基地局との間のチャネル応答。
任意選択で、ＵＥと基地局との間のチャネル応答は、ＵＥによって測定され、次いで、ＡＩ機能ネットワーク要素またはＬＭＦに送られる。たとえば、図７Ａに示されているように、Ｐ個（図７Ａでは３つが示されている事例が説明のための例として使用されるが、限定はされない）の基地局が、ＵＥにＹ個のダウンリンク基準信号を送る。基地局によってＵＥに送られる基準信号はダウンリンク基準信号であるが、これは、本開示では略して基準信号と呼ばれることがある。ＵＥはＹ個の基準信号を受信する。Ｙは、１以上の整数であり、通常、１よりも大きい整数、たとえば、３、４、５、またはより大きい数である。Ｐは、１以上でＹ以下の整数である（図７ＡではＹがＰに等しい事例が説明のための例として使用されるが、限定はされない）。
任意選択で、本開示では、ＵＥが基準信号を受信するとき、ＬＭＦまたは基地局は、ＵＥのために基準信号の以下、すなわち、帯域幅、時間領域リソース、周波数領域リソース、送信カウント、アンテナポート、空間相関などのうちの少なくとも１つを構成し得る。
本開示では、１つの基地局は、異なるカバレージをもつ１つまたは複数のセルを管理し得る。１つのセルにおいて、基地局は、１つまたは複数の周波数帯域において作動し得る。基地局は、異なるセル中で、ＵＥに複数の基準信号を送ってもよく、１つのセルは１つの基準信号に対応し、および／または基地局は、同じセルの異なる周波数帯域中で、ＵＥに複数の基準信号を送ってもよく、１つの周波数帯域は１つの基準信号に対応する。本方法では、１つの基準信号は１つのチャネルに対応すると考えられてもよい。任意選択で、異なる周波数帯域は異なるセルとしてさらに考えられてもよい。たとえば、基地局Ａは、セル１およびセル２中で、ＵＥにそれぞれ基準信号１および基準信号２を送る。この場合、基地局Ａは、セル１中で、チャネル１を通してＵＥに基準信号１を送り、セル２中で、チャネル２を通してＵＥに基準信号２を送ると考えられてもよい。異なる基地局によってＵＥに送られる基準信号の量は、同じであってもよいか、または異なってもよい。これは限定されない。任意選択で、１つのセル中で、基地局は、複数の異なるビームを使用することによってＵＥに複数の基準信号を送ってもよく、１つのビームは１つの基準信号に対応する。
本開示では、ダウンリンク基準信号は、ダウンリンク同期信号、測位基準信号（ｐｏｓｉｔｉｏｎｉｎｇ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ， ＰＲＳ）、または送信シーケンスが既知情報である別の信号であり得る。これは限定されない。既知情報は、プロトコルにおいて合意されてもよいか、またはシグナリングを使用することによって事前に基地局によってＵＥに通知されてもよい。
Ｙ個の基準信号中の第ｙの基準信号について、ＵＥは、ＵＥにとって既知である基準信号の送りシーケンスと、ＵＥによって受信された基準信号のシーケンスとに基づいて、基準信号が通過するチャネルのチャネル応答を推定または計算し得る。チャネル応答は、ＵＥと、第ｙの基準信号を送る基地局との間のチャネルに対応する。たとえば、ＰがＹに等しく、基地局のそれぞれがＵＥに１つの基準信号を送る場合、チャネル応答は、ＵＥと、Ｙ個の基地局中の第ｙの基地局との間のチャネルに対応する。ｙの値は１からＹにわたる。たとえば、ＵＥは、ＡＩ機能ネットワーク要素またはＬＭＦに合計Ｙ個のチャネル応答を送る。Ｙ個のチャネル応答は、ＵＥとＰ個の基地局との間のＹ個のチャネルと１対１の対応にあり、チャネル応答のそれぞれは、チャネルのうちの１つに一意に対応する。チャネル応答のそれぞれは多次元アレイの形態で表され得る。たとえば、送信アンテナの量がＮｔであり、受信アンテナの量がＮｒであり、周波数領域中にＫ個のサブキャリアがあり、時間領域中にＬ個の直交周波数分割多重（ｏｒｔｈｏｇｏｎａｌ ｆｒｅｑｕｅｎｃｙ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅｘｉｎｇ， ＯＦＤＭ）シンボルがある場合、チャネル応答の配列次元はＮｔ×Ｎｒ×Ｋ×Ｌである。Ｎｔ、Ｎｒ、Ｋ、およびＬは正の整数であり、要素のそれぞれは、ＵＥと基地局との間にあり、その要素に対応するインデックス上にある、チャネル応答を示す。たとえば、Ｎｔ、Ｎｒ、Ｋ、およびＬは、それぞれ、第（ｊ１）の送信アンテナ、第（ｊ２）の受信アンテナ、第（ｊ３）のサブキャリア、および第（ｊ４）のＯＦＤＭシンボルに対応する。簡略のために、ノイズについては考慮されない。ＵＥと基地局との間の応答ｈは、式、すなわち、Ｓｒｓ＝Ｓｔｘ＊ｈを満たす。式中、Ｓｒｓは時間領域受信信号を表し、Ｓｔｘは時間領域送信信号を表し、＊は畳み込みを表し、ｈは時間領域チャネル応答を表す。代替として、ＵＥと基地局との間の応答ｈは、式、すなわち、Ｓｒｓ＝Ｓｔｘ×ｈを満たす。式中、Ｓｒｓは周波数領域受信信号を表し、Ｓｔｘは周波数領域送信信号を表し、×は乗算を表し、ｈは周波数領域チャネル応答を表す。Ｓｒｓ、Ｓｔｘ、およびｈは実数または複素数であり得る。ｊ１は１以上でＮｔ以下であり、ｊ２は１以上でＮｒ以下であり、ｊ３は１以上でＫ以下であり、ｊ４は１以上でＬ以下である。説明の簡潔さのために、以下では、説明のために１つの基地局がＵＥに１つの基準信号を送る例を使用する。
任意選択で、ＵＥと基地局との間のチャネル応答は、基地局によって測定され、次いで、ＵＥまたはＬＭＦに送られる。たとえば、図７Ｂに示されているように、ＵＥは、それぞれ、Ｐ個（図７Ｂでは３つが示されている事例が説明のための例として使用される）の基地局にアップリンク基準信号をそれぞれ送り、合計Ｙ個のアップリンク基準信号を送る。ＵＥによって基地局に送られる基準信号はアップリンク基準信号であるが、これは、本開示では略して基準信号と呼ばれることがある。Ｐ個の基地局は、それぞれ、アップリンク基準信号を受信する。Ｙは、１以上の整数であり、通常、１よりも大きい整数、たとえば、３、４、５、またはより大きい数である。Ｐは、１以上でＹ以下の整数である（図７ＢではＹがＰに等しい事例が説明のための例として使用されるが、限定はされない）。ダウンリンク基準信号の上記の説明と同様に、ＵＥは、異なるセル中で、１つの基地局に複数の基準信号を送ってもよく、１つのセルは１つの基準信号に対応し、および／またはＵＥは、同じセルの異なる周波数帯域中で、１つの基地局に複数の基準信号を送ってもよく、１つの周波数帯域は１つの基準信号に対応する。本方法では、１つの基準信号は１つのチャネルに対応すると考えられてもよい。任意選択で、異なる周波数帯域は異なるセルとしてさらに考えられてもよい。たとえば、ＵＥは、セル１およびセル２中で、基地局Ａにそれぞれ基準信号１および基準信号２を送る。この場合、ＵＥは、セル１中で、チャネル１を通して基地局Ａに基準信号１を送り、セル２中で、チャネル２を通して基地局Ａに基準信号２を送ると考えられてもよい。任意選択で、１つのセル中で、基地局は、複数の異なるビームを使用することによってＵＥから複数の基準信号を受信してもよく、１つのビームは１つの基準信号に対応する。ＵＥによって異なる基地局に送られる基準信号の量は、同じであってもよいか、または異なってもよい。これは限定されない。本開示では、アップリンク基準信号は、ランダムアクセスプリアンブル、サウンディング基準信号（ｓｏｕｎｄｉｎｇ ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ， ＳＲＳ）、または送りシーケンスが既知情報である別の信号であり得る。これは限定されない。既知情報は、プロトコルにおいて合意されてもよいか、またはシグナリングを使用することによって事前に基地局によってＵＥに通知されてもよい。第ｙのアップリンク基準信号を受信した後に、Ｐ個の基地局中の対応する基地局は、基地局にとって既知である基準信号の送りシーケンスと、基地局によって受信された基準信号のシーケンスとに基づいて、基準信号が通過するチャネルのチャネル応答を推定または計算し得る。チャネル応答は、ＵＥと、第ｙのアップリンク基準信号を受信する基地局との間のチャネルに対応するか、または第ｙのアップリンク基準信号が通過するチャネルに対応するものとして説明される。基地局は、チャネル応答をＵＥまたはＡＩ機能ネットワーク要素に送る。ｙの値は１からＹにわたる。ＵＥまたはＡＩ機能ネットワーク要素は、Ｐ個の基地局から合計Ｙ個のチャネル応答を受信する。説明の簡潔さのために、以下では、説明のためにＵＥが１つの基地局に１つの基準信号を送る例を使用する。
任意選択で、本開示では、基地局が基準信号を受信するとき、ＬＭＦは、基地局のために基準信号の以下、すなわち、帯域幅、時間領域リソース、周波数領域リソース、送信カウント、アンテナポート、空間相関などのうちの少なくとも１つを構成し得る。
本開示ではアップリンク基準信号とダウンリンク基準信号との両方が略して基準信号と呼ばれることがあるが、基準信号がアップリンク基準信号であるのかダウンリンク基準信号であるのかは、送信本体および／または受信本体に基づいて決定され得る。本開示では、アップリンク基準信号およびダウンリンク基準信号は、以下、すなわち、基準信号の送信方向、時間領域リソース、周波数領域リソース、またはシーケンス値のうちの少なくとも１つにおいて異なる。
任意選択で、トレーニングデータにおいて、「ＵＥと基地局との間のチャネル応答」は、以下、すなわち、チャネル応答の振幅、チャネル応答の位相、チャネル応答の実数部、チャネル応答の虚数部、異なる受信アンテナもしくは送信アンテナのチャネル応答の位相差、または複数のチャネル応答の間の位相差のうちの少なくとも１つとさらに交換されてもよい。チャネル応答およびチャネル応答のこれらの変形は、チャネル情報とまとめて呼ばれることがある。任意選択で、チャネル情報は、基準信号受信電力（ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｒｅｃｅｉｖｅｄ ｐｏｗｅｒ， ＲＳＲＰ）、基準信号時間差（ｒｅｆｅｒｅｎｃｅ ｓｉｇｎａｌ ｔｉｍｅ ｄｉｆｆｅｒｅｎｃｅ， ＲＳＴＰ）、およびＵＥが位置する環境のタイプをさらに含んでもよい。
－ ＵＥと基地局との間のチャネルのＲＳＲＰ。
任意選択で、ＲＳＲＰは、ＵＥによって測定され、次いで、ＡＩ機能ネットワーク要素またはＬＭＦに送られる。たとえば、図７Ａの上記の説明に基づいて、ＰがＹに等しく、基地局のそれぞれがＵＥに１つの基準信号を送る例が使用される。ＵＥと第ｙの基地局との間のチャネルのチャネル応答を推定した後に、ＵＥは、チャネル応答に基づいてチャネルのＲＳＲＰを取得し得る。ｙの値は１からＹにわたる。たとえば、ＵＥは、ＡＩ機能ネットワーク要素またはＬＭＦに合計Ｙ個のＲＳＲＰを送り、Ｙ個のＲＳＲＰは、ＵＥとＹ個の基地局との間のＹ個のチャネルと１対１の対応にあり、ＲＳＲＰのそれぞれは、チャネルのうちの１つに一意に対応する。ＰがＹに等しくない事例は上記の説明と同様である。詳細について本明細書で再び説明されない。
任意選択で、情報は、基地局によって測定され、次いで、ＵＥまたはＬＭＦに送られる。たとえば、図７Ｂの上記の説明に基づいて、ＰがＹに等しく、ＵＥが基地局のそれぞれに１つの基準信号を送る例が使用される。ＵＥと第ｙの基地局との間のチャネルのチャネル応答を推定した後に、第ｙの基地局は、チャネル応答に基づいてチャネルのＲＳＲＰを取得し得る。第ｙの基地局は、ＲＳＲＰをＬＭＦまたはＵＥに送る。ｙの値は１からＹにわたる。ＵＥまたはＡＩ機能ネットワーク要素は、Ｙ個の基地局から合計Ｙ個のＲＳＲＰを受信する。ＰがＹに等しくない事例は上記の説明と同様である。詳細について本明細書で再び説明されない。
－ ＵＥと基地局との間のチャネルのＲＳＴＰ。
情報は、ＵＥによって測定され、次いで、ＡＩ機能ネットワーク要素またはＬＭＦに送られる。たとえば、図７Ａの上記の説明に基づいて、ＵＥは、推定を通して異なる基準信号のＲＳＴＤを取得し得る。たとえば、ＰはＹに等しく、基地局のそれぞれはＵＥに１つの基準信号を送る。ＵＥは、第ｙの基地局の基準信号のＲＳＴＤおよび第１の基地局の基準信号のＲＳＴＤを測定して、合計Ｙ－１個のＲＳＴＤを取得してもよく、ＵＥは、Ｙ－１個のＲＳＴＤをＡＩ機能ネットワーク要素またはＬＭＦに送る。代替として、ＵＥは、第ｙの基地局の基準信号のＲＳＴＤおよび第（ｙ－１）の基地局の基準信号のＲＳＴＤを測定して、合計Ｙ－１個のＲＳＴＤを取得してもよく、ＵＥは、Ｙ－１個のＲＳＴＤをＡＩ機能ネットワーク要素またはＬＭＦに送る。特定のＲＳＴＤ報告方法は、本開示では限定されない。ｙの値は２からＹにわたる。ＰがＹに等しくない事例は上記の説明と同様である。詳細について本明細書で再び説明されない。
－ ＵＥが位置する環境のタイプ。
ＵＥが位置する環境のタイプは、工場環境、オフィス環境、高速鉄道環境、地下鉄環境、ショッピングモール環境、住宅地域環境、または別の可能な環境であり得る。これは限定されない。情報は、ＵＥまたは基地局によってＡＩ機能ネットワーク要素またはＬＭＦに報告されてもよい。本開示では、異なる環境に対応するトレーニングデータは、異なる環境に対応するモデルをトレーニングするために使用され得る。
任意選択で、測位情報取得モデルのターゲット出力（トレーニングデータのラベル）は、以下のうちの少なくとも１つを含む：
－ ＵＥのロケーション情報。
ＵＥのロケーション情報は、ＵＥのロケーションの経度、ＵＥのロケーションの緯度、ＵＥのロケーションの高度、基準ロケーションに対するＵＥのロケーション（たとえば、基準基地局のロケーションまたは基準建築物のロケーション）のオフセットなどを含む。
任意選択で、ＵＥはビーコンＵＥである。ＵＥは、ＵＥのロケーション情報を知り、ＵＥは、ロケーション情報をＡＩ機能ネットワーク要素またはＬＭＦに送る。代替として、基地局は、ＵＥのロケーション情報を知り、基地局は、ロケーション情報をＵＥまたはＬＭＦに送る。代替として、ＬＭＦは、ＵＥのロケーション情報を知り、ＬＭＦは、ロケーション情報をＡＩ機能ネットワーク要素に送る。基地局は、Ｐ個の基地局のうちの少なくとも１つである。
任意選択で、ＬＭＦは、非ＡＩベースの測位方法を使用することによってＵＥのロケーション情報を取得し、ロケーション情報をＡＩ機能ネットワーク要素に送る。たとえば、本開示では、非ＡＩベースの測位方法は、ダウンリンク（ｄｏｗｎｌｉｎｋ， ＤＬ）－到着時間差（ｔｉｍｅ ｄｉｆｆｅｒｅｎｃｅ ｏｆ ａｒｒｉｖａｌ， ＴＤＯＡ）測位方法、アップリンク（ｕｐｌｉｎｋ， ＵＬ）－ＤＯＡ測位方法、ＵＬ－ＡｏＡ測位方法、ＤＬ－ＡＯＤ測位方法、または第三世代パートナーシッププロジェクト（３ｒｄ ｇｅｎｅｒａｔｉｏｎ ｐａｒｔｎｅｒｓｈｉｐ ｐｒｏｊｅｃｔ， ３ＧＰＰ）３８．３０５プロトコルに記載された別の測位方法であり得る。これは限定されない。任意選択で、精度を増加させるために、ＬＭＦは、複数回の推定を通してＵＥの複数の推定されたロケーション情報を取得し、複数の推定されたロケーション情報の加重平均をＵＥのロケーション情報として使用し、このロケーション情報をＡＩ機能ネットワーク要素に送ってもよい。
－ ＵＥと基地局との間のチャネルのタイプ。
所与の基地局について、ＵＥと基地局との間のチャネルのタイプは、ＬＯＳまたはＮＬＯＳであり得る。
任意選択で、ＰがＹに等しい例が使用され、ＵＥはビーコンＵＥである。ＵＥは、ＵＥと第ｙの基地局との間のチャネルのチャネルタイプを知り、ＵＥは、チャネルタイプをＡＩ機能ネットワーク要素またはＬＭＦに送り、ＵＥは、合計Ｙ個のチャネルタイプを送る。代替として、第ｙの基地局は、ＵＥと第ｙの基地局との間のチャネルのチャネルタイプを知り、第ｙの基地局は、チャネルタイプをＵＥまたはＬＭＦに送り、合計Ｙ個の基地局は、チャネルタイプをＵＥまたはＬＭＦに送り、ＵＥまたはＬＭＦは、合計Ｙ個のチャネルタイプを受信する。代替として、ＬＭＦは、ＵＥと第ｙの基地局との間のチャネルのチャネルタイプを知り、ＬＭＦは、チャネルタイプをＡＩ機能ネットワーク要素に送り、ＬＭＦは、合計Ｙ個のチャネルタイプを送る。ｙの値は１からＹにわたる。ＰがＹに等しくないとき、本方法は同様である。たとえば、基地局Ａについて、基地局Ａは、セル１およびセル２中で、ＵＥとともに、それぞれ基準信号１および基準信号２の伝送（送信または受信）を実施する。この場合、基準信号１に対応するチャネル１および基準信号２に対応するチャネル２について、ＵＥまたは基地局Ａは、それぞれ、チャネル１のチャネルタイプおよびチャネル２のチャネルタイプを送る。言い換えれば、合計Ｙ個のチャネルタイプが、Ｐ個の基地局とＵＥとの間のＹ個のチャネルについて決定され、チャネルのそれぞれは１つの基準信号に対応する。同様の場合について以下で再び説明されない。
任意選択で、ＰがＹに等しい例が使用される。ＬＭＦは、非ＡＩベースのチャネルタイプ決定方法を使用することによってＵＥと第ｙの基地局との間のチャネルのチャネルタイプを取得し、チャネルタイプをＡＩ機能ネットワーク要素に送る。ＬＭＦは、合計Ｙ個のチャネルタイプを送る。ｙの値は１からＹにわたる。任意選択で、精度を増加させるために、ＬＭＦは、複数回の推定を通してＵＥと第ｙの基地局との間のチャネルのチャネルタイプを取得し、より頻繁に現れるかまたは高い確率で現れるチャネルタイプをＵＥと第ｙの基地局との間のチャネルのチャネルタイプとして使用し、チャネルタイプをＡＩ機能ネットワーク要素に送ってもよい。たとえば、ＬＭＦは、５回の推定を通してＵＥと第ｙの基地局との間のチャネルのチャネルタイプを取得し、チャネルタイプは、それぞれ、ＬＯＳ、ＮＬＯＳ、ＬＯＳ、ＬＯＳ、およびＬＯＳである。ＬＯＳがより頻繁に現れるかまたは高い確率で現れるので、ＬＭＦは、ＵＥと第ｙの基地局との間のチャネルタイプがＬＯＳであると考える。ＰがＹに等しくないとき、本方法は同様である。たとえば、基地局Ａについて、基地局Ａは、セル１およびセル２中で、ＵＥとともに、それぞれ基準信号１および基準信号２の伝送（送信または受信）を実施する。この場合、基準信号１に対応するチャネル１および基準信号２に対応するチャネル２について、ＬＭＦは、それぞれ、チャネル１のチャネルタイプおよびチャネル２のチャネルタイプを決定する。言い換えれば、合計Ｙ個のチャネルタイプが、Ｐ個の基地局とＵＥとの間のＹ個のチャネルについて決定され、チャネルのそれぞれは１つの基準信号に対応する。同様の場合について以下で再び説明されない。
任意選択で、本開示では、非ＡＩベースのチャネルタイプ決定方法は、チャネル応答のライス（ｒｉｃｉａｎ）ファクタを使用することによって、チャネルタイプがＬＯＳであるかＮＬＯＳであるかを決定することであってもよい。通常、ＬＯＳ信号のライスファクタは、ＮＬＯＳ信号のライスファクタよりも高い。たとえば、チャネル応答のライスファクタはしきい値と比較されてもよい。ライスファクタがしきい値以上であるとき、チャネルタイプはＬＯＳであり、そうでない場合、チャネルタイプはＮＬＯＳである。チャネル応答について、チャネル応答のライスファクタは

【数3】

として表されてもよく、｜ｈ_max｜²は、チャネル応答における最も強い経路の電力を表し、

【数4】

は、チャネル応答における様々な経路の平均電力を表す。
任意選択で、本開示では、非ＡＩベースのチャネルタイプ決定方法は、チャネル中の信号の別のパラメータ、たとえば、尖度、歪度、または２乗平均平方根遅延を使用することによって、チャネルタイプがＬＯＳであるかＮＬＯＳであるかを決定することであってもよい。たとえば、チャネル応答の尖度はしきい値と比較されてもよい。尖度がしきい値以上であるとき、チャネルタイプはＬＯＳであり、そうでない場合、チャネルタイプはＮＬＯＳである。チャネル応答について、チャネル応答の尖度は

【数5】

として表されてもよく、｜ｈ｜は、チャネル応答の振幅を表し、μは、チャネル応答の振幅の平均値を表し、σ⁴は、チャネル応答の振幅の分散の２乗を表し、Ｅ［ ］は、平均化を表す。同様に、チャネル応答の歪度は

【数6】

として表されてもよく、２乗平均平方根遅延は

【数7】

として表されてもよく、ｈ（ｔ）は時間領域チャネル応答であり、∫は積分演算を表す。信号の歪度または２乗平均平方根遅延を使用することによってチャネルタイプを決定するための方法は、尖度が歪度または２乗平均平方根遅延と交換されるとすれば、同様である。詳細について本明細書で再び説明されない。
－ ＵＥと基地局との間のチャネルの第１の経路ロケーション。
ＵＥと基地局との間のチャネルの第１の経路ロケーションを決定するための方法および報告方法は、「ＵＥと基地局との間のチャネルのタイプ」の上記の説明と同様である。たとえば、チャネルタイプは第１の経路ロケーションと交換され、上記のライスファクタは経路エネルギーと交換される。詳細について本明細書で再び説明されない。

【0155】

任意選択で、本開示では、トレーニングデータを測定するとき、測定精度を改善するために、ＵＥ、基地局、および／またはＬＭＦは、単一のトレーニングデータを複数回繰り返し測定し、複数回の繰り返された測定の総合的な値、たとえば、平均値、加重和、または別の可能な値をトレーニングデータとして使用してもよい。本方法は、トレーニングデータの信頼性を改善することができる。任意選択で、トレーニングデータを測定するとき、ＵＥ、基地局、および／またはＬＭＦは、モデルトレーニング処理において参照のためにトレーニングデータの信頼性および／または生成時間をさらにマークしてもよい。たとえば、トレーニング中に生成時間に近いおよび／または高い信頼性を有するトレーニングデータが、モデルトレーニングのために使用されてもよい。

【0156】

任意選択で、本開示では、ＡＩ機能ネットワーク要素は、少なくとも１つのＵＥに対応する複数のトレーニングデータを取得する。複数のトレーニングデータは、１つのトレーニングデータセットとして考えられてもよい。ＡＩ機能ネットワーク要素は、チャネル特徴抽出モデルおよび測位情報取得モデルを取得するために、トレーニングデータセットを使用することによってモデルトレーニングを実施する。１つのトレーニングデータセットが複数のＵＥに対応するとき、トレーニングデータセット中の２つの異なるトレーニングデータは、２つの異なるＵＥに対応するか、２つの異なる地理的ロケーションにおける同じＵＥの測定データに対応するか、２つの異なる瞬間における同じＵＥの測定データに対応するか、または２つの異なる周波数帯域における同じＵＥの測定データに対応することがある。１つのトレーニングデータセットが１つのＵＥに対応するとき、トレーニングデータセット中の２つの異なるトレーニングデータは、２つの異なる地理的ロケーションにおける同じＵＥの測定データに対応するか、２つの異なる瞬間における同じＵＥの測定データに対応するか、または２つの異なる周波数帯域における同じＵＥの測定データに対応する。

【0157】

本開示では、１つのトレーニングデータセットは、１つの環境タイプに対応し得る。たとえば、ＡＩ機能ネットワーク要素は、環境中の少なくとも１つのＵＥに対応する複数のトレーニングデータを取得する。複数のトレーニングデータは、１つのトレーニングデータセットとして考えられてもよい。ＡＩ機能ネットワーク要素は、環境タイプに対応するチャネル特徴抽出モデルおよび測位情報取得モデルを取得するために、トレーニングデータセットを使用することによってモデルトレーニングを実施する。上記の説明と同様に、１つのトレーニングデータセットが複数のＵＥに対応するとき、トレーニングデータセット中の２つの異なるトレーニングデータは、同じ環境タイプ中の２つの異なるＵＥに対応することがあるか、または同じ環境タイプ中にあるが２つの異なる地理的ロケーション、異なる瞬間、もしくは異なる周波数帯域にある同じＵＥの測定データに対応することがある。１つのトレーニングデータセットが１つのＵＥに対応するとき、トレーニングデータセット中の２つの異なるトレーニングデータは、同じ環境タイプ中にあるが、２つの異なる地理的ロケーション、異なる瞬間、または異なる周波数帯域にある同じＵＥの測定データに対応する。上記で説明されたように、環境タイプは、工場環境、オフィス環境、高速鉄道環境、地下鉄環境、ショッピングモール環境、住宅地域環境、または別の可能な環境であり得る。これは限定されない。本方法では、環境タイプのためにモデルを独立してトレーニングすることによって、環境タイプのそれぞれにより良くマッチするモデルが取得されることが可能である。したがって、モデル適用中に、対応するモデルが、ＵＥの環境に基づいてマッチおよび適用され得る。

【0158】

本開示では、モデルトレーニングを実施するように構成されたＵＥと、モデル推論を実施するように構成されたＵＥは、（本開示の図に示されているように）同じであってもよいか、または異なってもよい。これは限定されない。たとえば、第１のＵＥは、動作Ｓ６０１を実施し、第２のＵＥは、動作Ｓ６０４、Ｓ６０６ａ、Ｓ６０６ｂ、Ｓ６０７、およびＳ６０８を実施する。第２のＵＥの測位情報は動作Ｓ６０９において決定される。第１のＵＥと第２のＵＥとは、同じであってもよいか、または異なってもよい。第１のＵＥと第２のＵＥが同じであるかどうかにかかわらず、モデルトレーニングを実施するように構成された基地局と、モデル推論を実施するように構成された基地局とは、（本開示の図に示されているように）同じであってもよいか、または異なってもよい。これは限定されない。たとえば、モデルトレーニング処理（たとえば、動作Ｓ６０１）は、Ｐ個の基地局の第１のグループに関係し、モデル適用処理（たとえば、動作Ｓ６０７）は、Ｐ個の基地局の第２のグループに関係する。Ｐ個の基地局の第１のグループとＰ個の基地局の第２のグループとは、同じであってもよいか、または異なってもよい。Ｐ個の基地局の第１のグループとＰ個の基地局の第２のグループとが異なるとき、Ｐ個の基地局の第１のグループ中の少なくとも１つの基地局は、Ｐ個の基地局の第２のグループに含まれない。任意選択で、第１のＵＥと第２のＵＥとは同じであり、少なくとも１つの同じ基地局が、Ｐ個の基地局の第１のグループおよびＰ個の基地局の第２のグループ中に存在する。この同じ基地局は、Ｐ個の基地局の第１のグループ中にあるとき、第１のセル中のＵＥと通信し、Ｐ個の基地局の第２のグループ中にあるとき、第２のセル中のＵＥと通信する。第１のセルと第２のセルは、同じであってもよいか、または異なってもよい。

【0159】

トレーニングデータセットが収集された後、トレーニングデータセット中のトレーニングデータについて、ＡＩ機能ネットワーク要素は、トレーニングデータおよびトレーニングデータに対応するラベルを使用することによるトレーニングを通して、チャネル特徴抽出モデルおよび測位情報取得モデルを取得し得る。モデルトレーニング中に、モデルのパラメータが調整されてもよく、モデルトレーニングの目的は次の通りである。トレーニングデータセット中のトレーニングデータに基づいてチャネル特徴抽出モデルの入力が決定され、チャネル特徴抽出モデルの出力に基づいて測位情報取得モデルの入力が取得されたとき、測位情報取得モデルの出力は、可能な限りトレーニングデータのラベルに近くなる。ＡＩモデルのトレーニング方法は、本出願では詳細に説明されないかまたは限定されない。たとえば、確率的勾配降下（ｓｔｏｃｈａｓｔｉｃ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ， ＳＧＤ）方法、バッチ勾配降下（ｂａｔｃｈ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ， ＢＧＤ）方法、適応勾配アルゴリズム（ａｄａｐｔｉｖｅ ｇｒａｄｉｅｎｔ ａｌｇｏｒｉｔｈｍ， ＡｄａＧｒａｄ）、モメンタムアルゴリズム（ｍｏｍｅｎｔｕｍ ａｌｇｏｒｉｔｈｍ）、およびニュートン法（ｎｅｗｔｏｎ’ｓ ｍｅｔｈｏｄ）など、ニューラルネットワークをトレーニングするための業界における成熟した方法が使用されて、反復トレーニングを通してできる限り最適であるニューラルネットワークパラメータを取得し得る。将来において業界における調査を通して取得されるモデルトレーニング方法も、本開示に適用可能である。これは限定されない。

【0160】

任意選択で、ＡＩ機能ネットワーク要素は、新しいトレーニングデータセットをさらに収集し、この新しいトレーニングデータセットを使用することによってモデル更新トレーニングを実施して、更新されたチャネル特徴抽出モデルおよび更新された測位情報取得モデルを取得してもよい。たとえば、更新トレーニングは周期的である。ＡＩ機能ネットワーク要素は、周期内に収集されたデータをトレーニングデータセットとして使用し、トレーニングデータセットを使用することによって更新トレーニングを実施する。別の例では、更新トレーニングはイベントによってトリガされる。たとえば、測位情報取得モデルの測定結果の誤差がしきい値を超えるとき、ＡＩ機能ネットワーク要素は、新しいトレーニングデータセットに基づいてチャネル特徴抽出モデルおよび測位情報取得モデルに対して更新トレーニングを実施する。

【0161】

図８Ａ、図８Ｂ、および図８Ｃは、測位のためにチャネル特徴抽出モデルおよび測位情報取得モデルをトレーニングすることの構造図である。以下は、図８Ａ、図８Ｂ、および図８Ｃに基づいて、ＡＩ機能ネットワーク要素がトレーニングデータセットに基づいてチャネル特徴抽出モデルと測位情報取得モデルとをどのようにトレーニングするのかを説明する。

【0162】

トレーニングセット中の１つのトレーニングデータＡについて、トレーニングデータＡを使用することによってチャネル特徴抽出モデルと測位情報取得モデルとをトレーニングする処理は、トレーニング処理と呼ばれることがある。

【0163】

任意選択で、図８Ａに示されているように、トレーニングデータＡは、Ｙ個のチャネル応答Ｈ₁、Ｈ₂、．．．、Ｈ_Yを含む。Ｙ個のチャネル応答のそれぞれについて、または第ｙのチャネル応答Ｈ_yについて、ＡＩ機能ネットワーク要素は、チャネル特徴抽出モデルの入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎ_yを決定する。ｙの値は、１からＹにわたる。ＡＩ機能ネットワーク要素は、入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎ_yとチャネル特徴抽出モデルとに基づいてチャネル特徴抽出モデルの出力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔ_yを取得し、ここで、Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔ_yは、チャネル特徴Ｓ_yを示す。ＡＩ機能ネットワーク要素は、チャネル特徴抽出モデルとＹ個のチャネル応答とに基づいて合計Ｙ個のチャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Yを取得し得る。本方法では、チャネル応答Ｈ_yごとに、チャネル特徴抽出モデルは、チャネル応答に対応するチャネル特徴Ｓ_yを取得するために使用される。

【0164】

任意選択で、チャネル特徴Ｓ_yは、実数、ベクトル、行列、または（１次元よりも大きい）多次元アレイであり得る。これは、限定されない。

【0165】

ＡＩ機能ネットワーク要素は、チャネル特徴抽出モデルの出力に基づいて測位情報取得モデルの入力を決定する。たとえば、ＡＩ機能ネットワーク要素は、Ｙ個のチャネル特徴に基づいて測位情報取得モデルの入力を決定する。ＡＩ機能ネットワーク要素は、入力と測位情報取得モデルとに基づいて測位情報を出力する。たとえば、ＡＩ機能ネットワーク要素は、チャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Yに基づいて測位情報取得モデルのＢ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bを取得し得る。ｂの値は、１からＢにわたり、Ｂは、１以上の整数である。ＡＩ機能ネットワーク要素は、測位情報取得モデルにＢ個の入力を入力して、Ｂ個の出力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bを取得する。ｂの値は、１からＢにわたる。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bに対応する出力は、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bである。

【0166】

Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、ＵＥのロケーション情報を示すか、またはＹ個のチャネルのそれぞれの以下、すなわち、ＵＥのチャネルタイプ、第１の経路ロケーション、または相対方位角（たとえば、チャネルを通して通信された基準信号のＡＯＡおよび／またはＡＯＤ）のうちの少なくとも１つを示す。モデルトレーニングアルゴリズムでは、チャネル特徴抽出モデルおよび／または測位情報取得モデルは、出力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bをトレーニングデータＡのラベル（ターゲット出力）と比較することによって適応的に調整される。１つのトレーニング処理で取得されるチャネル特徴抽出モデルと測位情報取得モデルとは、次の反復トレーニングのために使用され得る。次の反復トレーニングでは、トレーニングデータＡに基づくトレーニングを通して取得されるチャネル特徴抽出モデルと測位情報取得モデルとは、更新トレーニングのための基本モデルまたは初期モデルとして使用される。複数回数の反復トレーニングの後に、測位情報取得モデルの出力とターゲット出力との間の差は、可能な限り小さくなることが可能にされる。たとえば、反復トレーニング数Ｎ_trainが定義され得、Ｎ_train回の反復トレーニングの後に取得されたモデルは、トレーニングを通して取得されたモデルとして使用される。Ｎ_trainは、正の整数である。別の例では、損失関数が定義され得る。損失関数は、測位情報取得モデルの出力とターゲット出力との間の差を表すために使用される。トレーニングデータセット中の複数のトレーニングデータを使用することによる複数の反復の後に、損失関数の値が、可能な限り小さくなるか、またはしきい値よりも小さく（もしくはしきい値に）なるとき、反復トレーニングを通して取得されたモデルは、トレーニングを通して取得されたモデルとして使用される。

【0167】

任意選択で、図８Ｂに示されているように、トレーニングデータＡは、Ｙ個のチャネル応答Ｈ₁、Ｈ₂、．．．、Ｈ_Yを含む。ＡＩ機能ネットワーク要素は、Ｙ個のチャネル応答に基づいてチャネル特徴抽出モデルの入力を決定し、入力とチャネル特徴抽出モデルとに基づいてチャネル特徴抽出モデルの出力を取得し、ここで、出力は、１つのチャネル特徴Ｓを示す。任意選択で、Ｓは、実数、ベクトル、行列、または（１次元よりも大きい）多次元アレイであり得る。これは、限定されない。チャネル特徴ＳがＵＥとＰ個の基地局との間のＹ個のチャネルに対応すると見なされ得る。ＡＩ機能ネットワーク要素は、チャネル特徴Ｓに基づいて測位情報取得モデルの入力を決定する。ＡＩ機能ネットワーク要素は、入力と測位情報取得モデルとに基づいてＵＥの測位情報を出力する。たとえば、ＡＩ機能ネットワーク要素は、チャネル特徴Ｓに基づいて測位情報取得モデルの入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎを取得し得る。ＡＩ機能ネットワーク要素は、測位情報取得モデルにＰｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎを入力し、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔを出力する。

【0168】

Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔは、ＵＥのロケーション情報を示すか、またはＹ個のチャネルのそれぞれの以下、すなわち、ＵＥのチャネルタイプ、第１の経路ロケーション、または相対方位角（たとえば、チャネルを通して通信された基準信号のＡＯＡおよび／またはＡＯＤ）のうちの少なくとも１つを示す。図８Ａの上記の説明と同様に、トレーニングデータセット中の複数のトレーニングデータを使用することによる複数回の反復トレーニングが完了した後、チャネル特徴抽出モデルと測位情報取得モデルとが取得され得る。

【0169】

任意選択で、図８Ｃに示されているように、トレーニングデータＡは、Ｙ個のチャネル応答Ｈ₁、Ｈ₂、．．．、Ｈ_Yを含む。ＡＩ機能ネットワーク要素は、Ｙ個のチャネル応答に基づいてチャネル特徴抽出モデルの合計Ｑ個の入力を決定し得る。入力のそれぞれは、Ｙ個のチャネル応答中のＴ個のチャネル応答によって決定され、ここで、ＱとＴとは、正の整数であり、Ｑ×Ｔ＝Ｙである。Ｑ個の入力中の第ｑの入力について、ＡＩ機能ネットワーク要素は、入力とチャネル特徴抽出モデルとに基づいてチャネル特徴抽出モデルの出力を取得し、ここで、出力は、チャネル特徴Ｓ_qを示し、ｑの値は、１からＱにわたる。任意選択で、チャネル特徴Ｓ_qは、実数、ベクトル、行列、または（１次元よりも大きい）多次元アレイであり得る。これは、限定されない。ＡＩ機能ネットワーク要素は、チャネル特徴抽出モデルとＹ個のチャネル応答とに基づいて合計Ｑ個のチャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Qを取得し得る。Ｑ個のチャネル特徴がＹ個のチャネルに対応すると見なされ得る。本方法では、Ｔ個のチャネル応答ごとに、チャネル特徴抽出モデルは、Ｔ個のチャネル応答に対応する１つのチャネル特徴Ｓ_Qを取得するために使用される。ＡＩ機能ネットワーク要素は、Ｓ₁、Ｓ₂、．．．、Ｓ_Qに基づいて測位情報取得モデルの入力を決定する。ＡＩ機能ネットワーク要素は、入力と測位情報取得モデルとに基づいてＵＥの測位情報を出力する。たとえば、ＡＩ機能ネットワーク要素は、チャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Qに基づいて測位情報取得モデルのＮ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_nを取得し得、ここで、ｎの値は１からＮにわたり、Ｎは、１以上の整数である。ＡＩ機能ネットワーク要素は、測位情報取得モデルにＮ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_nを入力して、Ｎ個の出力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nを取得する。ｎの値は、１からＮにわたる。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_nに対応する出力は、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nである。

【0170】

Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nは、ＵＥのロケーション情報を示すか、またはＹ個のチャネルのそれぞれの以下、すなわち、ＵＥのチャネルタイプ、第１の経路ロケーション、または相対方位角（たとえば、チャネルを通して通信された基準信号のＡＯＡおよび／またはＡＯＤ）のうちの少なくとも１つを示す。図８Ａの上記の説明と同様に、トレーニングデータセット中の複数のトレーニングデータを使用することによる複数回の反復トレーニングが完了した後、チャネル特徴抽出モデルと測位情報取得モデルとが取得され得る。

【0171】

任意選択で、本開示では、モデルトレーニングアルゴリズムにおいて、モデルの入力次元および／または出力次元は、あらかじめ定義されるか、またはあらかじめ決定され得る。したがって、トレーニングを通して取得されたチャネル特徴抽出モデルは、フィードバックオーバーヘッドと測位情報精度に対する要件を満たすことができる。たとえば、チャネル特徴抽出モデルのより小さい出力次元は、より低いフィードバックオーバーヘッドを示す。チャネル特徴抽出モデルのより大きい出力次元は、より高い測位情報精度を示す。

【0172】

本開示では、チャネル応答に基づいてチャネル特徴抽出モデルの入力を決定することは、限定はされないが、チャネル特徴抽出モデルの入力としてチャネル応答を使用すること、虚数部から次元がＺ次元であるチャネル応答の実数部を分離し、次元がＺ次元である分離された実数部行列と次元がＺ次元である分離された虚数部行列とを２Ｚ次元行列に組み合わせ、チャネル特徴抽出モデルの入力として２Ｚ次元行列を使用すること、または位相から次元がＺ次元であるチャネル応答の振幅を分離し、次元がＺ次元である分離された振幅行列と次元がＺ次元である分離された位相行列とを２Ｚ次元行列に組み合わせ、チャネル特徴抽出モデルの入力として２Ｚ次元行列を使用すること、実数部行列と、虚数部行列と、振幅行列と、位相行列とを４Ｚ次元行列に組み合わせ、チャネル特徴抽出モデルの入力として４Ｚ次元行列を使用すること、またはチャネル応答に関する情報（実数部、虚数部、振幅、または位相のうちの少なくとも１つ）と他のフィードバック情報（たとえば、ＲＳＲＰおよび／またはＲＳＴＤ）をチャネル特徴抽出モデルの入力に組み合わせることを含む。

【0173】

本開示では、チャネル特徴抽出モデルの出力に基づいて測位情報取得モデルの入力を決定することは、限定はされないが、チャネル特徴抽出モデルの１つまたは複数の出力に基づいて測位情報取得モデルの１つの入力を決定することを含む。たとえば、チャネル特徴抽出モデルの１つの出力は、測位情報取得モデルの１つの入力として使用され得るか、またはチャネル特徴抽出モデルの複数の出力は、測位情報取得モデルの１つの入力を形成するために接続されるか、もしくはそれに組み合わされ得るか、またはチャネル特徴抽出モデルの１つもしくは複数の出力と他のフィードバック情報（たとえば、ＲＳＲＰおよび／またはＲＳＴＤ）とは、測位情報取得モデルの１つの入力に組み合わされ得る。たとえば、Ｓ個のチャネル特徴は、Ｓ₁、Ｓ₂、．．．、Ｓ_Yとして表され得、測位情報取得モデルの１つの入力は、［Ｓ₁，Ｓ_2,．．．，Ｓ_Y］または［Ｓ_1,Ｓ２，．．．，Ｓ_Y］^Tを含み得る。たとえば、Ｔ個のチャネル特徴は、Ｓ、Ｓ₂、．．．、Ｓ_Tとして表され得、測位情報取得モデルの１つの入力は、［Ｓ₁，Ｓ_2,．．．，Ｓ_T］または［Ｓ_1,Ｓ２，．．．，Ｓ_T］^Tを含み得る。［ ］^Tは、行列の移項を表す。チャネル応答に基づいてチャネル特徴抽出モデルの入力を決定することと同様に、測位情報取得モデルの入力は、チャネル特徴の実数部を虚数部から分離することおよび／またはチャネル特徴の振幅を位相から分離することによってさらに取得され得る。詳細は再び説明されない。同様の方法が、複数のチャネル応答に基づいてチャネル特徴抽出モデルの入力を決定するためにさらに使用され得る。詳細は再び説明されない。

【0174】

任意選択で、本開示では、上記のＨ_yについて、Ｈ_yは、複数のサブチャネル応答にさらに分割され得、チャネル応答のそれぞれは、１つのアンテナポートに対応し、チャネル特徴抽出モデルの入力は、サブチャネル応答のそれぞれに基づいて決定される。たとえば、Ｈ_yの次元は、５１２×４×１６であり、ここで、５１２は、（たとえば、５１２個のサブキャリアに対応する）周波数領域次元を表し、４は、（たとえば、４つのＯＦＤＭシンボルに対応する）時間領域次元を表し、１６は、（たとえば、１６個のアンテナポートに対応する）空間領域次元を表し、ここで、５１２、４、および１６は、例として使用されるにすぎず、他の整数値と置き換えられ得る。チャネル特徴抽出モデルは、アンテナポートのそれぞれのチャネル応答のためのチャネル特徴抽出を実施するために使用され得る。たとえば、チャネル特徴抽出モデルの入力は、１つのアンテナポートのチャネル応答であり、入力の次元は、５１２×４である。代替として、１つのチャネル特徴抽出モデルは、１６個のアンテナポートのためのチャネル特徴抽出に使用され得る。たとえば、チャネル特徴抽出モデルの入力は、複数のアンテナポートのチャネル応答であり、入力の次元は、５１２×４×１６である。異なる方法が、チャネル特徴抽出モデルの入力次元に影響を及ぼすが、モデルトレーニングおよびモデル適用の方法は同様である。同様に、周波数領域および／または時間領域について、分割はまた、アンテナポートと同様の方式で実施され得る。周波数領域の分割粒度は、整数量のサブキャリア、整数量のリソースブロック（ｒｅｓｏｕｒｃｅ ｂｌｏｃｋｓ、 ＲＢ）、整数量のリソースブロックグループ（ｒｅｓｏｕｒｃｅ ｂｌｏｃｋ ｇｒｏｕｐｓ、 ＲＢＧ）、または別の可能な事例であり得る。時間領域の分割粒度は、整数量のＯＦＤＭシンボル、整数量のスロット、または別の可能な事例であり得る。

【0175】

任意選択で、複数のペアのモデル（チャネル特徴抽出モデル＋測位情報取得モデル）が、トレーニングされ得、適切なモデルが選択され、必要に応じて適用される。ＡＩモデルの適用は、複雑性とパフォーマンスとの間の妥協をさらに考慮に入れ得る。ニューラルネットワークは、一例として使用され、ネットワークのより多くのレイヤおよびニューロンは、ＡＩモデルのより高い複雑性とより高いパフォーマンスとを示すが、より多くのコンピューティングリソースが消費される必要がある。ネットワークのより少ないレイヤおよびニューロンは、ＡＩモデルのより低い複雑性とより低いパフォーマンスとを示すが、より少ないコンピューティングリソースが消費されることを必要とする。ＡＩモデルは、実際の適用シナリオを考慮に入れることによって選択されることができる。たとえば、高い計算能力をもつＵＥ、たとえば、携帯電話、タブレットコンピュータ、または車載端末について、より複雑なＡＩモデルが使用され得る。低い計算能力をもつＵＥ、たとえば、モノのインターネット端末またはｍＭＴＣ端末について、わずかに単純なＡＩモデルまたはより少ないパラメータをもつＡＩモデルが使用され得る。相応して、適切なＡＩモデルがまた、ＬＭＦの計算能力に基づいて選択され得る。

【0176】

任意選択で、本開示では、チャネル特徴抽出モデルの入力は、ＵＥと基地局との間のチャネルのＲＳＲＰおよび／またはＵＥと基地局との間のチャネルのＲＳＴＰをさらに含み得る。代替として、任意選択で、チャネル特徴抽出モデルの出力に基づいて決定された測位情報取得モデルの入力に加えて、測位情報取得モデルの入力は、ＵＥと基地局との間のチャネルのＲＳＲＰおよび／またはＵＥと基地局との間のチャネルのＲＳＴＰをさらに含み得る。

【0177】

任意選択で、動作Ｓ６０４：ＵＥは、ＬＭＦにＵＥの能力情報を送る。

【0178】

ＵＥの能力情報は、ＵＥの以下の情報のうちの少なくとも１つを示す。
－ ＵＥがＡＩベースの測位方法をサポートするのかどうか。
たとえば、ＵＥがＡＩベースの測位方法をサポートするとき、ＬＭＦは、ＡＩベースの測位方法を使用することによってＵＥの測位情報を決定し得る。たとえば、測位を実施するために、ＵＥは、本開示で提供されるチャネル特徴抽出モデルを使用し、ＬＭＦは、本開示で提供される測位情報取得モデルを使用する。ＵＥがＡＩベースの測位方法をサポートしないとき、ＬＭＦは非ＡＩベースの測位方法を使用することによってＵＥのロケーション情報を決定し得る。
「ＵＥがＡＩベースの測位方法をサポートするのかどうか」は、ＵＥによってサポートされた測位方法タイプと置き換えられ得る。タイプは、ＡＩベースの測位方法であり得るか、または非ＡＩベースの測位方法であり得る。
任意選択で、本開示では、ＡＩベースの測位方法は、機械学習アルゴリズムに基づく測位方法、ＡＩモデルに基づく測位方法、または別の名前としてさらに説明され得る。これは、限定されない。
－ ＵＥのコンピューティング能力情報。
ＵＥのコンピューティング能力情報は、単位時間ごとにＵＥによってサポートされた動作の量を示し得るか、またはＵＥの計算能力レベルを示し得る。たとえば、複数の計算能力レベルが、プロトコル中で合意されるか、またはＵＥのためにネットワーク側（たとえば、基地局、ＡＭＦ、もしくはＬＭＦ）によって事前構成され、計算能力レベルのそれぞれは、単位時間ごとにＵＥによってサポートされた動作の量に対応する。ＵＥは、単位時間ごとにＵＥによってサポートされた動作の量と複数の計算能力レベルとに基づいてＵＥの計算能力レベルを決定し得る。
ネットワーク側（たとえば、以下で説明されるＬＭＦまたはＡＩ機能ネットワーク要素）は、ＵＥのコンピューティング能力情報に基づいてＵＥのための適切なチャネル特徴抽出モデルを構成し得る。本方法によれば、ＵＥは、正常に動作することができる。たとえば、推論を実施するためにＵＥがチャネル特徴抽出モデルを使用するときにＵＥによって使用されるコンピューティングリソースは、ＵＥの計算能力レベルを超えず、またはＵＥの計算能力をそれほど占有しない。ＵＥのあまりに多くの計算能力を占有することは、ＵＥのコンピューティングリソースの５０％またはＵＥのコンピューティングリソースの別の割合よりも多くを占有することを含む。
－ ＵＥによってサポートされたモデル（ＡＩモデル）に関する情報。
情報は、ＵＥによってサポートされたＡＩモデルに関する情報を示す。ＵＥによってサポートされたＡＩモデルに関する情報は、ＵＥが特定のタイプのＡＩモデルをサポートするかどうかを示し得るか、またはＵＥがＡＩモデルの記述方式を示すかどうかを示し得るか、またはＵＥによってサポートされたＡＩモデルのタイプを示し得る。たとえば、情報は、ＵＥが、ＡＩモデルの以下のタイプ、すなわち、全結合ニューラルネットワーク、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、注意機構をサポートするニューラルネットワーク、または異なるニューラルネットワークタイプのうちの少なくとも１つをサポートするかどうかを示す。本方法によれば、ネットワーク側は、ＵＥのための適切なモデルを構成し得る。

【0179】

本開示では、ＵＥが、ＬＭＦに情報を送る、たとえば、ＵＥの能力情報を送るときに、以下の方法が使用され得る。

【0180】

任意選択で、ＵＥが、ＬＭＦに情報を送るとき、ＵＥとＬＭＦとの間に論理インターフェースがある場合、情報は、ＮＡＳメッセージの形態で基地局にＵＥによって送られ得、コアネットワーク要素Ａ（たとえば、ＡＭＦまたは別のネットワーク要素）に基地局によって転送され得、次いで、ＬＭＦにコアネットワーク要素Ａによって転送され得るか、または情報は、ＮＡＳメッセージの形態で基地局にＵＥによって送られ、次いで、ＬＭＦに基地局によって転送される。

【0181】

任意選択で、ＵＥが、ＬＭＦに情報を送るとき、ＵＥとＬＭＦとの間に論理インターフェースがない場合、情報は、ＮＡＳメッセージの形態で基地局にＵＥによって送られ得、コアネットワーク要素Ｂ（たとえば、ＡＭＦまたは別のネットワーク要素）に基地局によって転送され得、次いで、ＬＭＦにコアネットワーク要素Ｂによって通知され得るか、または情報は、ＮＡＳメッセージの形態で基地局にＵＥによって送られ得、コアネットワーク要素Ａに基地局によって転送され得、コアネットワーク要素Ｂにコアネットワーク要素Ａによって転送され得、次いで、ＬＭＦにコアネットワーク要素Ｂによって通知され得る。ＵＥとコアネットワーク要素Ｂとの間に論理インターフェースがあり、論理インターフェースは、上記の情報を通信するために使用される。ＵＥとコアネットワーク要素Ａとの間に論理インターフェースがないか、またはＵＥとコアネットワーク要素Ａとの間に論理インターフェースがあるが、上記の情報は解釈されず、論理インターフェースレイヤにおいて通信されることができない。

【0182】

コアネットワーク要素Ａは、１つのネットワーク要素（１ホップ転送）であり得るか、または複数のネットワーク要素（マルチホップ転送）であり得る。

【0183】

本開示では、以下で説明される、ＬＭＦがＵＥに情報を送る、たとえば、チャネル特徴抽出モデルに関する情報を送るときに、ＬＭＦは、前述の方法とは反対の経路を使用することによって情報を送り得る。たとえば、ＬＭＦが、ＵＥに情報を送るとき、ＵＥとＬＭＦとの間に論理インターフェースがある場合、情報は、ＮＡＳメッセージの形態でコアネットワーク要素ＡにＬＭＦによって送られ得、基地局にコアネットワーク要素Ａによって転送され得、次いで、ＵＥに基地局によって転送され得るか、または情報は、ＮＡＳメッセージの形態で基地局にＬＭＦによって送られ、次いで、ＵＥに基地局によって転送される。説明の簡潔さのために、本明細書では、詳細は再び説明されない。

【0184】

任意選択で、ＬＭＦにＵＥによって情報を送ることは、ＬＭＦに基づいて問い合わせていることがある（または要求していることがある）。たとえば、ＬＭＦは、ＵＥにＵＥ能力クエリ情報を送る。クエリ情報を受信した後に、ＵＥは、ＬＭＦにＵＥの能力情報を報告する。

【0185】

任意選択で、ＵＥは、ＬＭＦにＵＥの能力情報を事前に送り得る。たとえば、ＵＥがネットワークにアクセスするとき、ＵＥは、ＬＭＦにＵＥの能力情報を事前に送るか、またはＵＥによって能力情報を報告するための時間領域リソース（たとえば、周期および周期中のオフセット（ｏｆｆｓｅｔ））がプロトコル中で合意されるかもしくはＬＭＦによって事前構成されるとき、ＵＥは、時間領域リソース上でＬＭＦにＵＥの能力情報を送るか、または能力情報が変化するときもしくはネットワークハンドオーバが生じるとき、ＵＥは、ＬＭＦにＵＥの能力情報を送る。ＵＥがＬＭＦにＵＥの能力情報を送る理由は、本出願では限定されない。

【0186】

動作Ｓ６０４は、任意である。たとえば、ＵＥの能力がプロトコル中で合意される場合、Ｓ６０４は実施される必要がない。たとえば、システム中に複数の能力タイプのＵＥがあるか、またはＵＥの能力が自律的に変化し得るとき、ＵＥは、Ｓ６０４を実施し得る。

【0187】

任意選択で、動作Ｓ６０５（図示せず）：測位情報取得モデルが構成される。任意選択で、動作Ｓ６０６（図示せず）：チャネル特徴抽出モデルが構成される。Ｓ６０５とＳ６０６とは、モデル構成と総称され得る。動作Ｓ６０５と動作Ｓ６０６とを実施することによって、ＡＩ機能ネットワーク要素は、ＵＥおよびＬＭＦ上で、トレーニングを通して取得されたモデルを展開し得る。

【0188】

モデル構成は、以下でモデル構成方式１またはモデル構成方式２を使用することによって実装され得る。

【0189】

モデル構成方式１：

【0190】

任意選択で、動作Ｓ６０５ａ：ＡＩ機能ネットワーク要素は、ＬＭＦに測位情報取得モデルに関する情報を送る。任意選択で、動作Ｓ６０６ａ：ＡＩ機能ネットワーク要素は、ＵＥにチャネル特徴抽出モデルに関する情報を送る。

【0191】

動作Ｓ６０５ａは、任意である。たとえば、測位情報取得モデルは、オフライントレーニングの後にプロトコル中で合意されるか、または測位情報取得モデルは、サードパーティのウェブサイトからダウンロードされ得る。したがって、Ｓ６０５ａは、スキップされ得る。

【0192】

動作Ｓ６０６ａは、任意である。たとえば、チャネル特徴抽出モデルは、オフライントレーニングの後にプロトコル中で合意されるか、またはチャネル特徴抽出モデルは、サードパーティのウェブサイトからダウンロードされ得る。したがって、Ｓ６０６ａは、スキップされ得る。

【0193】

上記の方法では、動作Ｓ６０５ａと動作Ｓ６０６ａとの両方が実施され得るか、動作Ｓ６０５ａも動作Ｓ６０６ａも実施されないことがあるか、動作Ｓ６０５ａは実施され得るが、Ｓ６０６ａが実施されないか、または動作Ｓ６０５ａは実施されないことがあるが、Ｓ６０６ａが実施される。これは、限定されない。

【0194】

モデル構成方式２：

【0195】

任意選択で、動作Ｓ６０５ｂ：ＡＩ機能ネットワーク要素は、ＬＭＦに測位情報取得モデルに関する情報とチャネル特徴抽出モデルに関する情報とを送る。動作Ｓ６０６ｂ：ＬＭＦは、ＵＥにチャネル特徴抽出モデルに関する情報を送る。

【0196】

可能な実装では、動作Ｓ６０５ｂおよび／または動作Ｓ６０６ｂは、任意である。たとえば、測位情報取得モデルとチャネル特徴抽出モデルとは、オフライントレーニングの後にプロトコル中で合意されるか、または測位情報取得モデルとチャネル特徴抽出モデルとは、サードパーティのウェブサイトからダウンロードされ得るか、または測位情報取得モデルもしくはチャネル特徴抽出モデルのどちらかは、オフライントレーニングの後にプロトコル中で合意され、他方は、サードパーティのウェブサイトからダウンロードされ得る。

【0197】

本開示では、モデル情報が（ネットワーク要素Ｃおよびネットワーク要素Ｄとして示される）異なるネットワーク要素の間で交換されるとき、たとえば、測位情報取得モデルに関する情報もしくはチャネル特徴抽出モデルに関する情報がＡＩ機能ネットワーク要素とＬＭＦとの間で交換されるとき、またはチャネル特徴抽出モデルに関する情報がＡＩ機能ネットワーク要素とＵＥとの間で交換されるとき、またはチャネル特徴抽出モデルに関する情報がＬＭＦとＵＥとの間で交換されるとき、または以下で説明される、チャネル特徴抽出モデルに関する情報がＬＭＦと基地局との間で交換されるとき、または以下で説明される、チャネル特徴抽出モデルに関する情報がＡＩ機能ネットワーク要素と基地局との間で交換されるとき、ネットワーク要素Ｃがネットワーク要素Ｄにモデル情報を送る一例が使用され、ネットワーク要素Ｃは、ネットワーク要素Ｄにモデルの以下の情報のうちの少なくとも１つを送り得る。
－ モデルの入力パラメータの次元。
－ モデルの入力パラメータのタイプ。
たとえば、入力パラメータのタイプは、チャネル応答、チャネルのＲＳＲＰ、チャネルのＲＳＴＰなどを含む。
－ モデルの勾配情報。
たとえば、情報は、基準モデルに対するもしくは前回送られたモデルに対する今回送られたモデルの勾配情報を示す。たとえば、ネットワーク要素Ｄにネットワーク要素Ｃによって以前に送られたモデル情報は、情報Ａであり、ネットワーク要素Ｄは、情報Ａと勾配情報とに基づいて情報Ｂを取得し得、情報Ｂは、モデルの新しいモデル情報を与える。言い換えれば、モデルは、モデルの勾配情報を使用することによって更新または再構成され得る。
－ モデルのレイヤの量。
－ モデルのレイヤ間の接続関係。
－ モデルのニューロンのオフセット。
－ モデルのニューロンの重み。
－ モデルのインデックス（または識別子）。
－ モデルの有効な期間。モデルは、有効な期間内に利用可能である。そうでない場合、モデルは、利用不可能である。

【0198】

任意選択で、ＡＩ機能ネットワーク要素がＬＭＦであるか、またはＡＩ機能ネットワーク要素とＬＭＦとが同じデバイス中に位置するとき、ＡＩ機能ネットワーク要素がＬＭＦにモデル情報を送ることは次のように実装され得る。ＬＭＦは、モデル情報を読み込む。

【0199】

動作Ｓ６０７：ＵＥは、チャネル特徴抽出モデルを使用することによってチャネル特徴を抽出する。動作Ｓ６０８：ＵＥは、ＬＭＦにチャネル特徴を送る。動作Ｓ６０９：ＬＭＦは、測位情報取得モデルを使用することによってＵＥの測位情報を取得する。

【0200】

たとえば、図７Ａに示されているように、モデルトレーニングの上記の説明と同様に、Ｐ個の基地局は、ＵＥにＹ個のダウンリンク基準信号を送る。ＵＥは、Ｙ個の基準信号を受信する。Ｙは、１以上の整数であり、通常、１よりも大きい整数、たとえば、３、４、５、またはより大きい数である。Ｙ個の基準信号中の第ｙの基準信号について、ＵＥは、測定を通して、基準信号がパスするチャネルのチャネル応答を取得し得る。チャネル応答は、ＵＥと基準信号を送る基地局との間のチャネルに対応する。ｙの値は、１からＹにわたる。

【0201】

Ｙ個のチャネル応答を取得した後に、ＵＥは、Ｙ個のチャネル応答に基づいてチャネル特徴抽出モデルの入力を決定し得、チャネル特徴抽出モデルを使用することによって推論を通してＸ個のチャネル特徴を取得し得る。ＵＥは、ＬＭＦにＸ個のチャネル特徴を送る。本方法は、以下のように説明され得る。ＵＥは、ＬＭＦにＸ個のチャネル特徴を送り、ここで、Ｘ個のチャネル特徴は、ＵＥのＹ個のチャネルに対応し、Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、Ｙ個のチャネル応答は、Ｙ個のチャネルと１対１の対応にあり、Ｙは、１以上の正の整数であり、Ｘは、１以上の整数である。

【0202】

Ｙ個のチャネルは、ＵＥとＰ個の基地局との間のＹ個のチャネルである。任意選択で、Ｐ個の基地局のそれぞれとＵＥとの間にＥ個のチャネルがあり、Ｅは、１以上の整数である。任意選択で、Ｅが１よりも大きいとき、Ｅ個のチャネル中の異なるチャネルは、異なるセルおよび／または周波数帯域に対応する。異なる基地局について、Ｅの値は、同じであることがあり、または異なることがある。これは、限定されない。

【0203】

ＬＭＦは、Ｘ個のチャネル特徴を受信し、Ｘ個のチャネル特徴と測位情報取得モデルとを使用することによってＵＥの測位情報を決定する。たとえば、ＬＭＦは、Ｘ個のチャネル特徴に基づいて測位情報取得モデルの入力を決定し、測位情報取得モデルを使用することによって推論を通してＵＥの測位情報を取得する。

【0204】

本方法では、測位は、ＡＩモデルを使用することによって実施されて、インテリジェント測位を実装し、したがって、測位のパフォーマンスが、実際のチャネル環境により近くなり、それによって、より正確な測位を実装する。

【0205】

任意選択では、Ｘは、Ｙ以下の正の整数である。Ｙ個のチャネル応答を報告することと比較して、Ｙ（Ｘ）個のよりも少ないチャネル特徴が報告されるとき、報告される情報の量が低減されることができ、シグナリングオーバーヘッドが低減されることができる。

【0206】

任意選択で、Ｘ個のチャネル特徴の全次元は、Ｙ個のチャネル応答の全次元よりも少なくなる。本方法は、報告される情報の量を低減するための可能な方法であり、ＵＥとＬＭＦとの間のシグナリングオーバーヘッドを低減することができる。たとえば、ＵＥの測位情報を決定するためにＬＭＦに高次元のチャネル応答を送ることと比較して、本方法では、ＵＥの測位情報を決定するためにＬＭＦに低次元のチャネル特徴を送ることは、ＵＥとＬＭＦとの間のシグナリングオーバーヘッドを低減することができる。たとえば、Ｙ個のチャネル応答の全次元は、５１２×４×１６であり、Ｘ個のチャネル特徴の全次元は、１６まで低減され得る。たとえば、１６の実数または複素数は、チャネル応答に対応するチャネル特徴を表す。この例は、問題を説明するために使用されるにすぎず、本開示を限定することを意図されていない。

【0207】

図９Ａ、図９Ｂ、および図９Ｃは、ＵＥとＬＭＦとがチャネル特徴抽出モデルと測位情報取得モデルとを使用することによって測位を実施する構造図である。図９Ａ、図９Ｂ、および図９Ｃは、それぞれ、図８Ａ、図８Ｂ、および図８Ｃと同様である。図８Ａ、図８Ｂ、および図８Ｃは、モデルトレーニングのために使用され、図９Ａ、図９Ｂ、および図９Ｃは、モデル適用またはモデル推論のために使用される。図８Ａ、図８Ｂ、および図８Ｃでは、および図９Ａ、図９Ｂ、および図９Ｃでは、チャネル特徴抽出モデルと測位情報取得モデルとは同じ方式で動作する。差は、図８Ａ、図８Ｂ、および図８Ｃでは、チャネル特徴抽出モデルおよび／または測位情報取得モデルのモデル情報がトレーニングを通して更新され得、最後に、トレーニングされたチャネル特徴抽出モデルおよび／またはトレーニングされた測位情報取得モデルのモデル情報が出力され、図９Ａ、図９Ｂ、および図９Ｃでは、推論が、トレーニングされたチャネル特徴抽出モデルおよび／またはトレーニングされた測位情報取得モデルを使用することによって実施され、この処理では、チャネル特徴抽出モデルおよび／または測位情報取得モデルのモデル情報は変化しない。

【0208】

任意選択で、図９Ａに示されているように、Ｙ個のチャネル応答Ｈ₁、Ｈ₂、．．．、Ｈ_Yを取得した後に、Ｙ個のチャネル応答のそれぞれについて、または第ｙのチャネル応答Ｈ_yについて、ＵＥは、チャネル特徴抽出モデルの入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎ_yを決定する。ｙの値は、１からＹにわたる。ＵＥは、入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎ_yとチャネル特徴抽出モデルとに基づいて推論を通してチャネル特徴抽出モデルの出力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔ_yを取得する。Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔ_yは、チャネル特徴Ｓ_yを示す。ＵＥは、チャネル特徴抽出モデルとＹ個のチャネル応答とに基づいて合計Ｙ個のチャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Yを取得し得る。本方法では、チャネル応答Ｈ_yごとに、チャネル特徴抽出モデルは、チャネル応答に対応するチャネル特徴Ｓ_yを取得するために使用される。任意選択で、チャネル特徴Ｓ_yは、実数、ベクトル、行列、または（１次元よりも大きい）多次元アレイであり得る。これは、限定されない。実際の処理では、ＵＥは、１つのチャネル特徴抽出モデルを有し得（または記憶し得）、Ｙ個のチャネル特徴は、すべて、チャネル特徴抽出モデルを使用することによって推論を通して取得される。本方法は、ＵＥの記憶リソースを節約することができる。代替として、ＵＥは、複数の（たとえば、Ｙ個の）チャネル特徴抽出モデルを有し得（または記憶し得）、Ｙ個のチャネル特徴のうちの少なくとも２つは、同じチャネル特徴抽出モデルを使用することによって推論を通して取得される。本方法は、ＵＥの処理速度を改善することができる。

【0209】

ＵＥがチャネル応答に基づいてチャネル特徴抽出モデルの入力をどのように決定するのかのための方法は、図８Ａの対応する説明と同様である。詳細は、本明細書で再び説明されない。

【0210】

ＵＥは、ＬＭＦに取得されたＹ個のチャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Yを送る。ＬＭＦは、Ｙ個のチャネル特徴に基づいて測位情報取得モデルの入力を決定する。ＬＭＦは、入力と測位情報取得モデルとに基づいて推論を通してＵＥの測位情報を取得する。たとえば、ＬＭＦは、チャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Yに基づいて測位情報取得モデルのＢ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bを取得し得る。ＬＭＦは、測位情報取得モデルにＢ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bを入力して、推論を通して合計Ｂ個の出力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bを取得する。ｂの値は、１からＢにわたり、Ｂは、１以上の整数である。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bに対応する出力は、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bである。Ｂが１よりも大きいとき、実際の処理では、ＬＭＦは、１つの測位情報取得モデルを有し得（または記憶し得）、複数の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、すべて、測位情報取得モデルを使用することによって推論を通して取得される。本方法は、ＬＭＦの記憶リソースを節約することができる。代替として、ＬＭＦは、複数の（たとえば、Ｂ個の）測位情報取得モデルを有し得（または記憶し得）、複数のＰｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bのうちの少なくとも２つのＰｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、同じ測位情報取得モデルを使用することによって推論を通して取得される。本方法は、ＬＭＦの処理速度を改善することができる。

【0211】

任意選択で、ＵＥの測位情報は、ＵＥのロケーション情報を示す。

【0212】

例Ａ１：

【0213】

Ｂは、１に等しく、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、ＵＥの経度、緯度、および高度のうちの少なくとも１つを示す。

【0214】

例Ｂ１：

【0215】

Ｂは、１に等しく、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、基準ロケーションに対するＵＥのオフセットを示す。任意選択で、測位情報取得モデルの入力は、基準ロケーションをさらに含み得る。

【0216】

任意選択で、例Ａ１および例Ｂ１では、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、Ｙ個の要素を含み得、ここで、第ｙの要素はＳ_yであり、ｙの値は１からＹにわたる。代替として、上記の説明と同様に、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、Ｙ個のＳ_yから分離された実数部、虚数部、振幅、および応答のうちの少なくとも１つを含む。

【0217】

任意選択で、ＵＥの測位情報は、Ｙ個のチャネルのそれぞれの以下、すなわち、ＵＥのチャネルタイプ、第１の経路ロケーション、または相対方位角のうちの少なくとも１つを示す。ＵＥのチャネルタイプ、第１の経路ロケーション、および／または相対方位角は、ＵＥのロケーション情報を決定するために使用される。

【0218】

例Ｃ１：

【0219】

Ｂは、１以上であり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、Ｙ個のチャネルのそれぞれの第１の経路ロケーション［Ｆｉｒｓｔ＿Ｐａｔｈ₁，Ｆｉｒｓｔ＿Ｐａｔｈ₂，．．．，Ｆｉｒｓｔ＿Ｐａｔｈ_Y］を示す。

【0220】

たとえば、Ｂは、１に等しく、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、Ｙ個の要素を含み、ここで、第ｙの要素は、Ｓ_yであり、ｙの値は、１からＹにわたり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、Ｙ個のチャネルのそれぞれの第１の経路ロケーションを示す。

【0221】

別の例では、Ｂは、１よりも大きく、たとえば、Ｂは２に等しくなり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ₁は、Ｙ１個の要素を含み、ここで、第（ｙ１）の要素は、Ｓ_y1であり、ｙ１の値は、１からＹ１にわたり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ₁は、第１のチャネルから第（Ｙ１）のチャネルのそれぞれの第１の経路ロケーションを示し、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ₂は、Ｙ２個の要素を含み、ここで、第（ｙ２）の要素は、Ｓ_Y1+y2であり、ｙ２の値は、１からＹ２にわたり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ₂は、第（Ｙ１＋１）のチャネルから第（Ｙ１＋Ｙ２）のチャネルのそれぞれの第１の経路ロケーションを示す。Ｂが２に等しいことは、一例として使用されるにすぎず、本開示を限定することを意図されていない。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、チャネルのグループのチャネル特徴を使用することによって決定され、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、チャネルのグループの第１の経路ロケーションを示すことが理解され得る。

【0222】

任意選択で、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、同じ時間長（たとえば、１つのＯＦＤＭシンボルの長さ）中のＹ個のチャネルのそれぞれの第１の経路の時間領域ロケーションＦｉｒｓｔ＿Ｐａｔｈ_yを示し、ここで、ｙの値は、１からＹにわたる。チャネルのそれぞれの第１の経路ロケーションを取得した後に、ＬＭＦは、少なくとも３つのチャネルの第１の経路ロケーションに基づいてＵＥのロケーション情報を取得し得る。

【0223】

たとえば、図１０は、第１の経路ロケーションに基づいてＵＥのロケーションを推定する一例を示す。図１０では、基地局１は、チャネル１を通してＵＥに基準信号Ｐ１を送り、Ｐ１の到着時間はｔ１であり、基地局２は、チャネル２を通してＵＥに基準信号Ｐ２を送り、Ｐ２の到着時間はｔ２であり、基地局３は、チャネル３を通してＵＥに基準信号Ｐ３を送り、Ｐ３の到着時間はｔ３である。ｔ１、ｔ２、およびｔ３は、０よりも大きい。ＵＥは、測定を通して、Ｐ１とＰ２との間の到着時間差ｔ１－ｔ２またはｔ２－ｔ１（ｔ１－ｔ２が図および以下で一例として使用される）を取得し得、Ｐ１とＰ３との間の到着時間差ｔ１－ｔ３またはｔ３－ｔ１（ｔ１－ｔ３が図および以下で一例として使用される）を取得し得る。ＵＥは、ＬＭＦに到着時間差ｔ１－ｔ２およびｔ１－ｔ３を報告し得る。Ｐ１およびＰ２の出発時間は、それぞれ、Ｐ１＿Ｔｘ＿ｔおよびＰ２＿Ｔｘ＿ｔであると仮定される。Ｐ１＿Ｔｘ＿ｔおよびＰ２＿Ｔｘ＿ｔは、０よりも大きい。可能な実装では、Ｐ１＿Ｔｘ＿ｔおよびＰ２＿Ｔｘ＿ｔは、プロトコルで合意されたものと同じである。別の可能な実装形態では、Ｐ１＿Ｔｘ＿ｔおよびＰ２＿Ｔｘ＿ｔは、柔軟に構成され得る。この場合、Ｐ１＿Ｔｘ＿ｔおよびＰ２＿Ｔｘ＿ｔは、同じであることがあり、または異なることがある。基地局１は、ＬＭＦにＰ１＿Ｔｘ＿ｔを送り得、基地局２は、ＬＭＦにＰ２＿Ｔｘ＿ｔを送り得る。Ｐ１およびＰ３の出発時間は、それぞれ、Ｐ１＿Ｔｘ＿ｔおよびＰ３＿Ｔｘ＿ｔであると仮定される。Ｐ３＿Ｔｘ＿ｔは、０よりも大きい。可能な実装では、Ｐ１＿Ｔｘ＿ｔおよびＰ３＿Ｔｘ＿ｔは、プロトコルで合意されたものと同じである。別の可能な実装形態では、Ｐ１＿Ｔｘ＿ｔおよびＰ３＿Ｔｘ＿ｔは、柔軟に構成され得る。この場合、Ｐ１＿Ｔｘ＿ｔおよびＰ３＿Ｔｘ＿ｔは、同じであることがあり、または異なることがある。基地局１は、ＬＭＦにＰ１＿Ｔｘ＿ｔを送り得、基地局３は、ＬＭＦにＰ３＿Ｔｘ＿ｔを送り得る。ＬＭＦは、Ｐ１およびＰ２の第１の経路の間の到着時間差が、（ｔ１－Ｐ１＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₁）－（ｔ２－Ｐ２＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₂）であると決定し得、Ｐ１およびＰ３の第１の経路の間の到着時間差が、（ｔ１－Ｐ１＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₁）－（ｔ３－Ｐ３＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₃）であると決定し得る。Ｐ１＿Ｔｘ＿ｔおよびＰ２＿Ｔｘ＿ｔが同じであるとき、（ｔ１－Ｐ１＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₁）－（ｔ２－Ｐ２＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₂）は、（ｔ１＋Ｆｉｒｓｔ＿Ｐａｔｈ₁）－（ｔ２＋Ｆｉｒｓｔ＿Ｐａｔｈ₂）として簡略化され得る。Ｐ１＿Ｔｘ＿ｔおよびＰ３＿Ｔｘ＿ｔが同じであるとき、（ｔ１－Ｐ１＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₁）－（ｔ３－Ｐ３＿Ｔｘ＿ｔ＋Ｆｉｒｓｔ＿Ｐａｔｈ₃）は、（ｔ１＋Ｆｉｒｓｔ＿Ｐａｔｈ₁）－（ｔ３＋Ｆｉｒｓｔ＿Ｐａｔｈ₃）として簡略化され得る。ＬＭＦは、Ｐ１およびＰ３の第１の経路の間の到着時間差に基づいて、到着時間差を満たすＵＥのロケーションが曲線１であると決定し得、Ｐ１およびＰ２の第１の経路の間の到着時間差に基づいて、到着時間差を満たすＵＥのロケーションが曲線２であると決定し得る。したがって、ＬＭＦは、曲線１と曲線２との交点がＵＥのロケーションであると見なし得、言い換えれば、曲線１と曲線２との交点がＵＥのために推定されたロケーションと見なされ得る。

【0224】

任意選択で、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂが３つより多いＦｉｒｓｔ＿Ｐａｔｈ_yを示すとき、ＬＭＦは、３つのＦｉｒｓｔ＿Ｐａｔｈ_yに対応する３つのチャネルを選択し得、上記の方法に従ってＵＥのロケーションを推定し得る。代替として、ＬＭＦは、ＵＥのための複数のロケーションを推定し得、ＵＥのロケーションとして複数の推定されたロケーションの平均値を決定し得る。ＵＥの推定されたロケーションのそれぞれは、３つのＦｉｒｓｔ＿Ｐａｔｈ_yに対応する３つのチャネルに基づく推定を通して取得される。

【0225】

本開示は、第１の経路ロケーションに基づいてＵＥのロケーションを決定するためにＬＭＦによって使用される特定のアルゴリズムを限定せず、言い換えれば、ＬＭＦがＵＥの測位機能を実装するのを支援するために測位情報取得モデルの出力をどのように使用するのかを限定しない。

【0226】

例Ｄ１：

【0227】

Ｂは、１以上であり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、Ｙ個のチャネルのそれぞれの第１の経路ロケーション［Ｆｉｒｓｔ＿Ｐａｔｈ₁，Ｆｉｒｓｔ＿Ｐａｔｈ₂，．．．，Ｆｉｒｓｔ＿Ｐａｔｈ_Y］とチャネルタイプとを示す。例Ｃ１と同様に、Ｂは、１に等しくあり得るか、または１よりも大きくなり得る。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、チャネルのグループのチャネル特徴を使用することによって決定され、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、チャネルのグループの第１の経路ロケーションとチャネルタイプとを示すことが理解され得る。

【0228】

図１１に示されているように、基地局は、ＵＥに信号を送る。信号は、複数の経路を通ってＵＥに到着し得る。しかしながら、基地局とＵＥとの間のＬＯＳ経路が木によってブロックされるので、ＵＥは、ＬＯＳ経路上の信号を測定することができない。ＵＥによって測定された第１の経路は、ＮＬＯＳ経路上にあり、壁によって反射される信号であると仮定される。ＵＥのロケーションがＮＬＯＳ経路上の信号の到着時間に基づいて推定される場合、ＵＥと基地局との間の距離がｄ₂＋ｄ₃であると推定され得る。しかしながら、ＵＥと基地局との間の実際の距離は、ＬＯＳ経路上でｄ₁である。したがって、ＵＥのロケーションの推定精度を改善するために、ＵＥと基地局との間の第１の経路がＬＯＳ経路であるとき、ＵＥのロケーションは、第１の経路のロケーションに基づいて推定され得る。

【0229】

例Ｄ１では、ＬＭＦは、チャネルタイプがＰｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂによって示されるＬＯＳであるチャネルの第１の経路ロケーションに基づいて、例Ｃ１と同様の方法を使用することによってＵＥのロケーションを決定し得る。たとえば、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、［Ｆｉｒｓｔ＿Ｐａｔｈ₁，Ｆｉｒｓｔ＿Ｐａｔｈ₂，．．．，Ｆｉｒｓｔ＿Ｐａｔｈ₈］を示し、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、チャネル１、チャネル２、チャネル４、チャネル５、チャネル７、およびチャネル８がＬＯＳ経路であることを示し、チャネル３およびチャネル６は、ＮＬＯＳ経路である。この場合、ＬＭＦは、Ｆｉｒｓｔ＿Ｐａｔｈ₁、Ｆｉｒｓｔ＿Ｐａｔｈ₂、Ｆｉｒｓｔ＿Ｐａｔｈ₄、Ｆｉｒｓｔ＿Ｐａｔｈ₅、Ｆｉｒｓｔ＿Ｐａｔｈ₇、およびＦｉｒｓｔ＿Ｐａｔｈ₈に基づいて、例Ｃ１において説明された方法を使用することによってＵＥのロケーションを決定し得る。

【0230】

例Ｅ１：

【0231】

Ｂは、１以上であり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、Ｙ個のチャネルのそれぞれのチャネルタイプを示す。例Ｃ１と同様に、Ｂは、１に等しくあり得るか、または１よりも大きくなり得る。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、チャネルのグループのチャネル特徴を使用することによって決定され、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、チャネルのグループのチャネルタイプを示すことが理解され得る。

【0232】

例Ｅ１は、例Ｄ１と同様である。例Ｄ１とは異なり、Ｙ個のチャネルのそれぞれの第１の経路ロケーションは、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂによって示されず、別の方式で取得される。特定の方式は限定されない。たとえば、計算を簡略化するために、様々なチャネルの第１の経路ロケーションは、プロトコルで合意されたものと同じであるか、または第１の経路ロケーションは、ＬＭＦにＵＥまたは対応する基地局によって報告される。たとえば、ＵＥは、Ｙ個のチャネルのそれぞれの第１の経路ロケーションを報告するか、またはＹ個のチャネルに対応するＹ個の基地局のそれぞれは、基地局とＵＥとの間のチャネルの第１の経路ロケーションを報告する。

【0233】

例Ｆ１：

【0234】

Ｂは、１以上であり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、Ｙ個のチャネルのそれぞれに対応するＵＥの相対方位角［Ｄｉｒｅｃｔｉｏｎ₁，Ｄｉｒｅｃｔｉｏｎ_2,...,Ｄｉｒｅｃｔｉｏｎ_Y］を示す。

【0235】

たとえば、Ｂは、１に等しく、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、Ｙ個の要素を含み、ここで、第ｙの要素は、Ｓ_yであり、ｙの値は、１からＹにわたり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、Ｙ個のチャネルのそれぞれに対応するＵＥの方位角を示す。

【0236】

別の例では、Ｂは、１よりも大きく、たとえば、Ｂは２に等しくなり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ₁は、Ｙ１個の要素を含み、ここで、第（ｙ１）の要素は、Ｓ_y1であり、ｙ１の値は、１からＹ１にわたり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ₁は、第１のチャネルから第（Ｙ１）のチャネルのそれぞれに対応するＵＥの相対方位角を示し、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ₂は、Ｙ２個の要素を含み、ここで、第（ｙ２）の要素は、Ｓ_Y1+y2であり、ｙ２の値は、１からＹ２にわたり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ₂は、第（Ｙ１＋１）のチャネルから第（Ｙ１＋Ｙ２）のチャネルのそれぞれに対応するＵＥの相対方位角を示す。Ｂが２に等しいことは、一例として使用されるにすぎず、本開示を限定することを意図されていない。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、チャネルのグループのチャネル特徴を使用することによって決定され、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_bは、チャネルのグループに対応するＵＥの相対方位角を示すことが理解され得る。

【0237】

任意選択で、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂは、Ｙ個のチャネルのそれぞれに対応するＵＥの相対方位角Ｄｉｒｅｃｔｉｏｎ_yを示し、ここで、ｙの値は、１からＹにわたる。チャネルに対応するＵＥの相対方位角を取得した後に、ＬＭＦは、チャネルのうちの少なくとも２つに対応するＵＥの相対方位角に基づいてＵＥのロケーション情報を取得し得る。

【0238】

チャネルについて、チャネルに対応するＵＥの相対方位角は、ＡＯＡおよび／またはＡＯＤであり得る。ＬＭＦがＡＯＡおよびＡＯＤを使用することによってＵＥのロケーション情報をどのように決定するのかの方法については、３ＧＰＰ ３８．８０５のプロトコルに記載されている方法、たとえば、プロトコルに記載されているＤＬ（ダウンリンク、 ｄｏｗｎｌｉｎｋ）－ＡＯＤ測位方法およびＵＬ－ＡＯＡ（アップリンク、ｕｐｌｉｎｋ）測位方法を参照されたい。本開示は、ＡＯＡおよびＡＯＤに基づいて別の測位方法をさらに使用し得る。これは、限定されない。

【0239】

任意選択で、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_b、ｂ＝１、．．．、Ｂが２つより多いＤｉｒｅｃｔｉｏｎ_yを示すとき、ＬＭＦは、Ｄｉｒｅｃｔｉｏｎ_yに対応するチャネルの部分を選択し得、上記の方法に従ってＵＥのロケーションを推定し得る。代替として、ＬＭＦは、ＵＥのための複数のロケーションを推定し得、ＵＥのロケーションとして複数の推定されたロケーションの平均値を決定し得る。

【0240】

本開示は、ＵＥの方位角に基づいてＵＥのロケーションを決定するためにＬＭＦによって使用される特定のアルゴリズムを限定せず、言い換えれば、ＬＭＦがＵＥの測位機能を実装するのを支援するために測位情報取得モデルの出力をどのように使用するのかを限定しない。

【0241】

任意選択で、図９Ｂに示されているように、Ｙ個のチャネル応答Ｈ₁、Ｈ₂、．．．、Ｈ_Yを取得した後に、ＵＥは、Ｙ個のチャネル応答に基づいてチャネル特徴抽出モデルの１つの入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎを決定し、入力とチャネル特徴抽出モデルとに基づいて推論を通してチャネル特徴抽出モデルの１つの出力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔを取得する。出力は、チャネル特徴Ｓを示す。ＵＥは、チャネル特徴抽出モデルとＹ個のチャネル応答とに基づいて合計１つのチャネル特徴Ｓを取得し得る。任意選択で、Ｓは、実数、ベクトル、行列、または（１次元よりも大きい）多次元アレイであり得る。これは、限定されない。ＵＥは、ＬＭＦにチャネル特徴Ｓを送る。本方法では、チャネル特徴ＳがＹ個のチャネルに対応すると見なされ得る。

【0242】

ＵＥがチャネル応答に基づいてチャネル特徴抽出モデルの入力をどのように決定するのかのための方法は、図８Ｂの対応する説明と同様である。詳細は、本明細書で再び説明されない。

【0243】

ＬＭＦは、チャネル特徴Ｓに基づいて測位情報取得モデルの入力を決定する。ＬＭＦは、入力と測位情報取得モデルとに基づいて推論を通してＵＥの測位情報を取得する。たとえば、ＬＭＦは、チャネル特徴Ｓに基づいて測位情報取得モデルの入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎを取得し得る。ＬＭＦは、入力と測位情報取得モデルとに基づいて推論を通して出力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔを取得する。Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔは、ＵＥの測位情報を示す。

【0244】

任意選択で、ＵＥの測位情報は、ＵＥのロケーション情報を示すか、またはＹ個のチャネルのそれぞれのチャネルタイプおよび／もしくは第１の経路ロケーションを示す。チャネルタイプおよび／または第１の経路ロケーションは、ＵＥのロケーション情報を決定するために使用される。チャネルタイプおよび／または第１の経路ロケーションは、ＬＭＦがＵＥのロケーション情報を決定するのを支援するために使用される。Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔの説明は、図９Ａのそれらと同様である。詳細は再び説明されない。図９Ａおよび図９Ｂでは、チャネル特徴抽出モデルの入力と出力とは異なるが、それらの処理アイデアは同様である。図９Ａでは、Ｙ個のチャネルについて、ＬＭＦ側は、１つまたは複数の測位情報取得モデルを使用することによって処理を実施し得る。図９Ｂでは、Ｙ個のチャネルについて、ＬＭＦ側は、１つの測位情報取得モデルを使用することによって処理を実施し得る。

【0245】

任意選択で、図９Ｃに示されているように、Ｙ個のチャネル応答Ｈ₁、Ｈ₂、．．．、Ｈ_Yを取得した後に、ＵＥは、Ｙ個のチャネル応答に基づいてチャネル特徴抽出モデルの合計Ｑ個の入力を決定し得、ここで、入力のそれぞれは、Ｙ個のチャネル応答中のＴ個のチャネル応答によって決定され、ＱとＴとは、正の整数であり、Ｑ×Ｔ＝Ｙである。Ｑ個の入力中の第ｑの入力について、ＵＥは、入力とチャネル特徴抽出モデルとに基づいてチャネル特徴抽出モデルの出力を取得し、ここで、出力は、チャネル特徴Ｓ_qを示し、ｑの値は、１からＱにわたる。

【0246】

任意選択で、チャネル特徴Ｓ_qは、実数、ベクトル、行列、または（１次元よりも大きい）多次元アレイであり得る。これは、限定されない。ＵＥは、チャネル特徴抽出モデルとＹ個のチャネル応答とに基づいて合計Ｑ個のチャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Qを取得し得る。Ｑ個のチャネル特徴がＹ個のチャネルに対応すると見なされ得る。本方法では、Ｔ個のチャネル応答ごとに、チャネル特徴抽出モデルは、Ｔ個のチャネル応答に対応する１つのチャネル特徴Ｓ_Qを取得するために使用される。実際の処理では、ＵＥは、１つのチャネル特徴抽出モデルを記憶し得、Ｑ個の入力のそれぞれは、チャネル特徴抽出モデルに基づいて連続的に推測される。代替として、ＵＥは、複数の（たとえば、Ｑ個の）チャネル特徴抽出モデルを記憶し得、Ｑ個の入力のうちの少なくとも２つは、異なるチャネル特徴抽出モデルに基づいて推測される。これは、限定されない。

【0247】

ＵＥは、ＬＭＦにＱ個のチャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Qを送る。ＬＭＦは、Ｓ₁、Ｓ₂、．．．、Ｓ_Qに基づいて測位情報取得モデルの入力を決定する。ＬＭＦは、入力と測位情報取得モデルとに基づいて推論を通してＵＥの測位情報を取得する。たとえば、ＬＭＦは、チャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Qに基づいて測位情報取得モデルのＮ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_nを取得し得、ここで、ｎの値は１からＮにわたり、Ｎは、１以上の整数である。ＬＭＦは、測位情報取得モデルにＮ個の入力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_nを入力して、推論を通してＮ個の出力Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nを取得する。ｎの値は、１からＮにわたる。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_nに対応する出力は、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nである。

【0248】

図９Ａの説明と同様に、Ｎ＝１であり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nは、ＵＥのロケーション情報を示す。代替として、Ｎは、１以上であり、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_n、ｎ＝１、．．．、Ｎは、Ｙ個のチャネルのそれぞれのチャネルタイプおよび／または第１の経路ロケーションを示す。チャネルタイプおよび／または第１の経路ロケーションは、ＬＭＦがＵＥのロケーション情報を決定するのを支援するために使用される。Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｏｕｔ_nの説明は、図９Ａのそれらと同様である。詳細は再び説明されない。図９Ａおよび図９Ｃでは、チャネル特徴抽出モデルの入力と出力とは異なるが、それらの処理アイデアは同様である。

【0249】

図８Ａ、図８Ｂ、図８Ｃ、図９Ａ、図９Ｂ、および図９Ｃは、チャネル特徴抽出モデルと測位情報取得モデルとのアーキテクチャを示すために使用され、本開示を限定することを意図されていない。

【0250】

図１２は、本開示による、第２の測位方法のフローチャートである。本方法は、以下の動作を含む。

【0251】

任意選択で、動作Ｓ１２０１：基地局は、ＡＩ機能ネットワーク要素にトレーニングデータを送る。任意選択で、動作Ｓ１２０２：ＬＭＦは、ＡＩ機能ネットワーク要素にトレーニングデータを送る。任意選択で、動作Ｓ１２０３：ＡＩ機能ネットワーク要素は、トレーニングデータを使用することによってモデルトレーニングを実施する。

【0252】

ＡＩ機能ネットワーク要素は、トレーニングデータを使用することによってモデルトレーニング処理を通してトレーニングを実施して、チャネル特徴抽出モデルと測位情報取得モデルとを取得し得る。トレーニングデータは、ＡＩ機能ネットワーク要素に基地局および／またはＬＭＦによって送られ得る。

【0253】

本開示では、基地局がＡＩ機能ネットワーク要素と情報を交換するとき、たとえば、基地局がＡＩ機能ネットワーク要素にトレーニングデータを送るとき、または以下のＡＩ機能ネットワーク要素が基地局にチャネル特徴抽出モデルに関する情報を送るとき、ＡＩ機能ネットワーク要素は、ワイヤードまたはワイヤレス方式で基地局と直接通信するか、またはＡＩ機能ネットワーク要素は、別のネットワーク要素（たとえば、限定されないがコアネットワーク要素）によって転送することを通して基地局と通信する。

【0254】

動作Ｓ１２０１、Ｓ１２０２、およびＳ１２０３は任意である。たとえば、チャネル特徴抽出モデルと測位情報取得モデルとは、オフライントレーニングの後にプロトコル中で合意される。代替として、チャネル特徴抽出モデルと測位情報取得モデルとは、サードパーティのウェブサイトからダウンロードされる。この場合、Ｓ１２０１、Ｓ１２０２、およびＳ１２０３は、スキップされ得る。

【0255】

任意選択で、動作Ｓ１２０１と動作Ｓ１２０３とは、実施されるが、Ｓ１２０２は、実施されないか、または動作Ｓ１２０２と動作Ｓ１２０３とは、実施されるが、Ｓ１２０１は、実施されないか、または動作Ｓ１２０１とＳ１２０２とＳ１２０３とは、すべて実施される。動作Ｓ１２０２において、ＡＩ機能ネットワーク要素に基地局によって送られたトレーニングデータは、基地局によって測定され得、および／またはシグナリングを使用することによって基地局にＵＥによって報告され得る。動作Ｓ１２０２において、ＡＩ機能ネットワーク要素にＬＭＦによって送られたトレーニングデータは、ＬＭＦにＵＥおよび／または基地局によって送られ得る。

【0256】

ＡＩ機能ネットワーク要素によって取得されたトレーニングデータは、チャネル特徴抽出モデルの入力と入力に対応するラベルとを決定するために使用されるトレーニングデータを含む。入力に対応するラベルは、測位情報取得モデルのターゲット出力または理想的な出力として理解され得る。たとえば、チャネル特徴抽出モデルの入力がトレーニングデータＡに基づいて決定されるとき、測位情報取得モデルのターゲット出力はトレーニングデータＡに対応するラベルである。

【0257】

任意選択で、チャネル特徴抽出モデルの入力を決定するために使用されるトレーニングデータは、以下のうちの少なくとも１つを含む。
－ ＵＥと基地局との間のチャネル応答。
任意選択で、情報は、ＵＥによって測定され、次いで、基地局またはＬＭＦに送られ、ＡＩ機能ネットワーク要素に基地局またはＬＭＦによって送られる。特定の測定方法については、図６の対応する説明を参照されたい。
任意選択で、情報は、基地局によって測定され、次いで、ＬＭＦまたはＡＩ機能ネットワーク要素に送られ、任意選択で、ＡＩ機能ネットワーク要素にＬＭＦによって送られる。特定の測定方法については、図６の対応する説明を参照されたい。
－ ＵＥと基地局との間のチャネルのＲＳＲＰ。
任意選択で、情報は、ＵＥによって測定され、次いで、ＬＭＦまたは基地局に送られ、ＡＩ機能ネットワーク要素にＬＭＦまたは基地局によって送られる。特定の測定方法については、図６の対応する説明を参照されたい。
任意選択で、情報は、基地局によって測定され、次いで、ＬＭＦまたはＡＩ機能ネットワーク要素に送られ、任意選択で、ＡＩ機能ネットワーク要素にＬＭＦによって送られる。特定の測定方法については、図６の対応する説明を参照されたい。
－ ＵＥと基地局との間のチャネルのＲＳＴＰ。
情報は、ＵＥによって測定され、次いで、ＬＭＦまたは基地局に送られ、ＡＩ機能ネットワーク要素にＬＭＦまたは基地局によって送られる。特定の測定方法については、図６の対応する説明を参照されたい。
－ ＵＥが位置する環境のタイプ。
環境タイプの説明については、図６の対応する説明を参照されたい。情報は、ＬＭＦまたは基地局にＵＥによって報告され得、ＡＩ機能ネットワーク要素にＬＭＦもしくは基地局によって送られ得るか、または情報は、ＡＩ機能ネットワーク要素もしくはＬＭＦに基地局によって送られ得、任意選択で、ＡＩ機能ネットワーク要素にＬＭＦによって送られ得る。
任意選択で、トレーニングデータ中で、測位情報取得モデルのターゲット出力は、以下のうちの少なくとも１つを含む。
－ ＵＥのロケーション情報。
ロケーション情報の説明については、図６の対応する説明を参照されたい。
任意選択で、ＵＥは、ビーコンＵＥである。ＵＥは、ＵＥのロケーション情報を知っており、ＵＥは、ＬＭＦまたは基地局にロケーション情報を報告し、次いで、ＬＭＦまたは基地局は、ＡＩ機能ネットワーク要素にロケーション情報を送る。代替として、基地局は、ＵＥのロケーション情報を知っており、基地局は、ＡＩ機能ネットワーク要素またはＬＭＦにロケーション情報を送り、次いで、任意選択で、ＬＭＦは、ＡＩ機能ネットワーク要素にロケーション情報を送る。代替として、ＬＭＦは、ＵＥのロケーション情報を知っており、ＬＭＦは、ＡＩ機能ネットワーク要素にロケーション情報を送る。
任意選択で、ＬＭＦは、非ＡＩベースの測位方法を使用することによってＵＥのロケーション情報を取得し、ＡＩ機能ネットワーク要素にロケーション情報を送る。非ＡＩベースの測位方法の説明については、図６の対応する説明を参照されたい。
－ ＵＥと基地局との間のチャネルのタイプ。
任意選択で、ＰがＹに等しい一例が使用され、ＵＥは、ビーコンＵＥである。ＵＥは、ＵＥと第ｙの基地局との間のチャネルのチャネルタイプを知っており、ＵＥは、ＬＭＦまたは基地局にチャネルタイプを送り、ＵＥは、合計Ｙ個のチャネルタイプを送り、次いで、ＬＭＦまたは基地局は、ＡＩ機能ネットワーク要素にＹ個のチャネルタイプを送る。代替として、第ｙの基地局は、ＵＥと第ｙの基地局との間のチャネルのチャネルタイプを知っており、第ｙの基地局は、ＡＩ機能ネットワーク要素またはＬＭＦにチャネルタイプを送り、合計Ｙ個の基地局は、ＡＩ機能ネットワーク要素またはＬＭＦにチャネルタイプを送り、次いで、ＡＩ機能ネットワーク要素またはＬＭＦは、合計Ｙ個のチャネルタイプを受信し、任意選択で、ＬＭＦは、ＡＩ機能ネットワーク要素にＹ個のチャネルタイプを送る。代替として、ＬＭＦは、ＵＥと第ｙの基地局との間のチャネルのチャネルタイプを知っており、ＬＭＦは、ＡＩ機能ネットワーク要素にチャネルタイプを送り、ＬＭＦは、合計Ｙ個のチャネルタイプを送る。ｙの値は、１からＹにわたる。図６の対応する説明と同様に、ＰがＹに等しくないとき、本方法は同様である。
任意選択で、ＰがＹに等しい一例が使用される。ＬＭＦは、非ＡＩベースの測位方法を使用することによってＵＥと第ｙの基地局との間のチャネルのチャネルタイプを取得し、ＡＩ機能ネットワーク要素にチャネルタイプを送る。ＬＭＦは、合計Ｙ個のチャネルタイプを送る。ｙの値は、１からＹにわたる。非ＡＩベースの測位方法の説明については、図６の対応する説明を参照されたい。図６の対応する説明と同様、ＰがＹに等しくないとき、本方法は同様である。
－ ＵＥと基地局との間のチャネルの第１の経路ロケーション。
ＵＥと基地局との間のチャネルの第１の経路ロケーションを決定するための方法と報告する方法とは、「ＵＥと基地局との間のチャネルのタイプ」の上記の説明と同様である。チャネルタイプが第１の経路ロケーションに置き換えられる。詳細は、再び本明細書で説明されない。

【0258】

図６の対応する説明と同じく、ＡＩ機能ネットワーク要素は、少なくとも１つのＵＥに対応する複数のトレーニングデータを取得する。複数のトレーニングデータは、１つのトレーニングデータセットと見なされ得る。モデルトレーニングは、トレーニングデータセットを使用することによって実施されて、チャネル特徴抽出モデルと測位情報取得モデルとを取得する。

【0259】

本開示では、図６の対応する説明と同じく、モデルトレーニングを実施するように構成されたＵＥとモデル推論を実施するように構成されたＵＥとは、（本開示の図に示されているように）同じであることがあり、または異なることがある。これは、限定されない。たとえば、動作Ｓ１２０１、動作Ｓ１２０２、および動作Ｓ１２０３において説明されたＵＥは、第１のＵＥであり、動作Ｓ１２０７、Ｓ１２０８、およびＳ１２０９において説明されたＵＥは、第２のＵＥである。第１のＵＥと第２のＵＥとは、同じであり得るか、または異なり得る。第１のＵＥと第２のＵＥとが同じであるかどうかにかかわらず、モデルトレーニングを実施するように構成された基地局とモデル推論を実施するように構成された基地局とは、（本開示の図に示されているように）同じであることがあり、または異なることがある。これは、限定されない。たとえば、モデルトレーニング処理（たとえば、動作Ｓ１２０１）は、Ｐ個の基地局の第１のグループに関係し、モデル適用処理（たとえば、動作Ｓ１２０７）は、Ｐ個の基地局の第２のグループに関係する。Ｐ個の基地局の第１のグループとＰ個の基地局の第２のグループとの説明については、図６の対応する説明を参照されたい。詳細は、再び本明細書で説明されない。図６の対応する説明と同じく、ＡＩ機能ネットワーク要素は、トレーニングデータセットを使用することによってモデルトレーニングまたはモデル更新トレーニングを実施し得る。図１２に示されている方法では、ＡＩ機能ネットワーク要素がトレーニングデータセットを使用することによってモデルトレーニングまたはモデル更新トレーニングを実施する処理は、図８Ａに示されているそれと同じである。詳細は、再び本明細書で説明されない。

【0260】

任意選択で、図６の説明と同様に、複数のペアのモデル（チャネル特徴抽出モデル＋測位情報取得モデル）が、トレーニングされ得、適切なモデルが選択され、必要に応じて適用される。ＡＩモデルは、実際の適用シナリオを考慮に入れることによって選択されることができる。たとえば、高い計算能力をもつ基地局、たとえば、マクロ基地局について、より複雑なＡＩモデルが使用され得る。低い計算能力をもつ基地局、たとえば、スモールセルまたはマイクロ基地局について、わずかに単純なＡＩモデルまたはより少ないパラメータをもつＡＩモデルが使用され得る。相応して、適切なＡＩモデルが、ＬＭＦの計算能力に基づいて選択されることもある。

【0261】

任意選択で、動作Ｓ１２０４：基地局は、ＬＭＦに基地局の能力情報を送る。

【0262】

基地局の能力情報は、基地局の以下の情報のうちの少なくとも１つを示す。
－ 基地局がＡＩベースの測位方法をサポートするのかどうか。
たとえば、基地局がＡＩベースの測位方法をサポートするとき、ＬＭＦは、ＡＩベースの測位方法を使用することによってＵＥの測位情報を決定し得る。たとえば、測位を実施するために、基地局は、本開示で提供されるチャネル特徴抽出モデルを使用し、ＬＭＦは、本開示で提供される測位情報取得モデルを使用する。基地局がＡＩベースの測位方法をサポートしないとき、ＬＭＦは非ＡＩベースの測位方法を使用することによってＵＥのロケーション情報を決定し得る。
「基地局がＡＩベースの測位方法をサポートするのかどうか」は、基地局によってサポートされた測位方法タイプと置き換えられ得る。タイプは、ＡＩベースの測位方法であり得るか、または非ＡＩベースの測位方法であり得る。
－ 基地局のコンピューティング能力情報。
図６に示されている方法におけるＵＥのコンピューティング能力情報と同様に、ＵＥは、基地局と置き換えられる。
－ 基地局の能力情報をサポートするＡＩモデル。
図６に示されている方法におけるＵＥの能力情報をサポートするＡＩモデルと同様に、ＵＥは、基地局と置き換えられる。

【0263】

本開示では、基地局が、ＬＭＦに情報を送る、たとえば、基地局の能力情報を送るときに、以下の方法が使用され得る。

【0264】

任意選択で、基地局がＬＭＦに情報を送るとき、基地局とＬＭＦとの間にインターフェースがある場合、基地局はＬＭＦに情報を送り得る。基地局とＬＭＦとの間にインターフェースがない場合、ＬＭＦは、コアネットワーク要素Ｅ（たとえば、ＡＭＦまたは別のネットワーク要素）に情報を送り得、次いで、コアネットワーク要素Ｅは、ＬＭＦに情報を転送する。コアネットワーク要素Ｅは、１つのネットワーク要素（１ホップ転送）であり得るか、または複数のネットワーク要素（マルチホップ転送）であり得る。

【0265】

本開示では、以下で説明される、ＬＭＦが基地局に情報を送る、たとえば、チャネル特徴抽出モデルに関する情報を送るときに、ＬＭＦは、前述の方法とは反対の経路を使用することによって情報を送り得る。たとえば、ＬＭＦが基地局に情報を送るとき、基地局とＬＭＦとの間にインターフェースがある場合、ＬＭＦは基地局に情報を送る。基地局とＬＭＦとの間にインターフェースがない場合、ＬＭＦは、コアネットワーク要素Ｅ（たとえば、ＡＭＦまたは別のネットワーク要素）に情報を送り得、次いで、コアネットワーク要素Ｅは、基地局に情報を転送する。

【0266】

任意選択で、ＬＭＦに基地局によって情報を送ることは、ＬＭＦに基づいて問い合わせていることがある（または要求していることがある）。たとえば、ＬＭＦは、基地局に基地局能力クエリ情報を送る。クエリ情報を受信した後に、基地局は、ＬＭＦに基地局の能力情報を報告する。代替として、基地局は、ＬＭＦに基地局の能力情報を事前に送り得る。たとえば、ネットワーク展開中に、基地局は、ＬＭＦに基地局の能力情報を事前に送るか、または能力情報が変化するとき、基地局は、ＬＭＦに基地局の能力情報を送る。これは、限定されない。

【0267】

動作Ｓ１２０４は、任意である。たとえば、基地局の能力がプロトコル中で合意される場合、Ｓ１２０４は実施される必要がない。たとえば、システム中に複数の能力タイプの基地局があるか、または基地局の能力が自律的に変化し得るとき、基地局は、Ｓ１２０４を実施し得る。

【0268】

任意選択で、動作Ｓ１２０５（図示せず）：測位情報取得モデルが構成される。任意選択で、動作Ｓ１２０６（図示せず）：チャネル特徴抽出モデルが構成される。Ｓ１２０５とＳ１２０６とは、モデル構成と総称され得る。

【0269】

モデル構成は、以下でモデル構成方式１またはモデル構成方式２を使用することによって実装され得る。

【0270】

モデル構成方式１：

【0271】

任意選択で、動作Ｓ１２０５ａ：ＡＩ機能ネットワーク要素は、ＬＭＦに測位情報取得モデルに関する情報を送る。任意選択で、動作Ｓ１２０６ａ：ＡＩ機能ネットワーク要素は、基地局にチャネル特徴抽出モデルに関する情報を送る。

【0272】

任意選択で、ＡＩ機能ネットワーク要素と基地局とは、ワイヤードまたはワイヤレス方式で接続されるか、またはＡＩ機能ネットワーク要素と基地局とは、別のネットワーク要素（たとえば、限定されないがコアネットワーク要素）によって転送することを通して互いに通信する。

【0273】

動作Ｓ１２０５ａおよび動作Ｓ１２０６ａの任意性の説明については、図６の対応する説明を参照されたい。詳細は、再び本明細書で説明されない。

【0274】

モデル構成方式２：

【0275】

任意選択で、動作Ｓ１２０５ｂ：ＡＩ機能ネットワーク要素は、ＬＭＦに測位情報取得モデルに関する情報とチャネル特徴抽出モデルに関する情報とを送る。動作Ｓ１２０６ｂ：ＬＭＦは、基地局にチャネル特徴抽出モデルに関する情報を送る。

【0276】

動作Ｓ１２０５ｂおよび動作Ｓ１２０６ｂの任意性の説明については、図６の対応する説明を参照されたい。詳細は、再び本明細書で説明されない。

【0277】

動作Ｓ１２０７：基地局は、チャネル特徴抽出モデルを使用することによってチャネル特徴を抽出する。動作Ｓ１２０８：基地局は、ＬＭＦにチャネル特徴を送る。動作Ｓ１２０９：ＬＭＦは、測位情報取得モデルを使用することによってＵＥの測位情報を決定する。

【0278】

たとえば、図７Ｂに示されているように、ＰがＹに等しく、ＵＥが基地局のそれぞれに１つの基準信号を送る一例が使用される。ＵＥは、Ｙ個（図７Ｂに３つが示されている事例が説明のために一例として使用される）の基地局にアップリンク基準信号を送る。Ｙ個の基地局は、それぞれ、アップリンク基準信号を受信する。Ｙは、１以上の整数であり、通常、１よりも大きい整数、たとえば、３、４、５、またはより大きい数である。アップリンク基準信号を受信した後に、Ｙ個の基地局中の第ｙの基地局は、第ｙの基地局に知られている基準信号の送信シーケンス値と基地局によって受信された基準信号のシーケンス値とに基づいて、基準信号がパスするチャネルのチャネル応答Ｈ_yを推定または計算し得る。チャネル応答Ｈ_yは、ＵＥと第ｙの基地局との間のチャネルに対応する。ｙの値は、１からＹにわたる。ＰがＹに等しくない事例は上記の説明と同様である。詳細は、再び本明細書で説明されない。ＰがＹに等しくないとき、Ｐ個の基地局は、推定を通してＰ個の基地局とＵＥとの間のＹ個のチャネルの合計Ｙ個のチャネル応答を取得する。

【0279】

基地局のそれぞれに対応するＥ個のチャネル応答を取得した後に、基地局のそれぞれは、チャネル応答とチャネル特徴抽出モデルとに基づいてＥ個のチャネル特徴を取得し得、ここで、チャネル特徴のそれぞれは、１つのチャネル応答に対応する。基地局は、ＬＭＦにＥ個のチャネル特徴を送る。基地局ごとに、本方法は、次のように説明され得る。基地局は、ＬＭＦにＥ個のチャネル特徴を送り、ここで、Ｅ個のチャネル特徴は、ＵＥと基地局との間のＥ個のチャネルに対応し、チャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、チャネル応答は、チャネル特徴に対応するチャネルに対応する。Ｅは、１以上の整数であり、異なる基地局に対応するＥの値は、同じであることがあり、または異なることがある。合計Ｐ個の基地局は、ＬＭＦにｙ個のチャネル特徴を送る。

【0280】

ＬＭＦは、Ｐ個の基地局から合計Ｙ個のチャネル特徴を受信し、Ｙ個のチャネル特徴と測位情報取得モデルとを使用することによってＵＥの測位情報を決定する。たとえば、ＬＭＦは、Ｙ個のチャネル特徴に基づいて測位情報取得モデルの入力を決定し、測位情報取得モデルを使用することによって推論を通してＵＥの測位情報を取得する。

【0281】

本方法では、測位は、ＡＩモデルを使用することによって実施されて、インテリジェント測位を実装し、したがって、測位が、実際のチャネル環境により近くなり、それによって、より正確な測位を実装する。

【0282】

任意選択で、ＬＭＦに基地局によって送られるチャネル特徴の次元は、対応するチャネル応答の次元よりも小さい。本方法によれば、基地局とＬＭＦとの間のシグナリングオーバーヘッドが低減されることができる。

【0283】

ＰがＹに等しい一例が使用される。図９Ａは、基地局とＬＭＦとがチャネル特徴抽出モデルと測位情報取得モデルとを使用することによって測位を実施する構造図である。

【0284】

図９Ａに示されているように、第ｙの基地局（または基地局ｙと呼ばれる）は、チャネル応答Ｈ_yを取得し、Ｈ_yに基づいてチャネル特徴抽出モデルの入力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎ_yを決定し、ここで、ｙの値は、１からＹにわたる。基地局ｙは、Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｉｎ_yと基地局のチャネル特徴抽出モデルとに基づいてチャネル特徴抽出モデルの出力Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔ_yを取得する。Ｆｅａｔｕｒｅ＿ｍｏｄｅｌ＿Ｏｕｔ_yは、チャネル特徴Ｓ_yを示す。基地局は、ＬＭＦにＳ_yを送る。ＬＭＦは、Ｙ個の基地局の合計Ｙ個のチャネル特徴を受信する。Ｙ個のチャネル特徴は、Ｓ₁、Ｓ₂、．．．、Ｓ_Yとして示される。ＬＭＦは、チャネル特徴Ｓ₁、Ｓ₂、．．．、Ｓ_Yに基づいて測位情報取得モデルの入力を取得し、測位情報取得モデルを使用することによって推論を通してＵＥの測位情報を取得する。ＬＭＦがＳ₁、Ｓ₂、．．．、Ｓ_Yに基づいてＵＥの測位情報とロケーション情報とをどのように決定するのかについての方法は、図６の対応する説明と同様である。詳細は再び説明されない。

【0285】

図６および図１２の方法では、トレーニングデータが、収集され、チャネル特徴抽出モデルと測位情報取得モデルとは、収集されたデータを使用することによってトレーニングを通して取得される。本開示では、基準データセットおよび（基準チャネル特徴抽出モデルと基準測位情報取得モデルとを含む）基準モデルがさらに提供され得る。ＵＥと、基地局と、ＬＭＦとは、基準モデルを使用することによって推論を実施して、ＵＥの測位情報を取得し得る。代替として、ＵＥまたは基地局は、オフライントレーニングもしくはオンライントレーニング方法を使用することによって基準チャネル特徴抽出モデルに対して更新トレーニングを実施して、更新されたチャネル特徴抽出モデルを取得し得、および／またはＬＭＦは、オフライントレーニングもしくはオンライントレーニング方法を使用することによって基準測位情報取得モデルに対して更新トレーニングを実施して、更新された測位情報取得モデルを取得し得る。ＵＥの測位情報は、更新されたチャネル特徴抽出モデルと基準測位情報取得モデルとを使用することによって、または基準チャネル特徴抽出モデルと更新された測位情報取得モデルとを使用することによって、または更新されたチャネル特徴抽出モデルと更新された測位情報取得モデルとを使用することによって推論を通して取得される。

【0286】

図１３は、本開示による、第３の測位方法のフローチャートである。本方法は、以下の動作を含む。

【0287】

動作Ｓ１３０１：ＵＥとＬＭＦとは、第１の基準モデルを決定する。

【0288】

第１の基準モデルは、第１の基準チャネル特徴抽出モデルと第１の基準測位情報取得モデルとを含む。第１の基準モデルは、ＵＥの測位情報を決定するためにＵＥとＬＭＦとによって使用され得る。

【0289】

本開示では、第１の基準モデルは、以下の方法のうちのいずれか１つを使用することによって決定され得る。

【0290】

第１の基準モデル決定方法１：

【0291】

第１の基準モデルは、プロトコル中で合意される。第１の基準モデルは、オフライントレーニングの後にプロトコル中で合意されると見なされ得る。任意選択で、基準データセットと、損失関数と、第１のしきい値とがプロトコル中で合意される。

【0292】

基準データセットと、損失関数と、第１のしきい値との詳細な説明については、以下の動作Ｓ１３０２を参照されたい。

【0293】

第１の基準モデル決定方法２：

【0294】

ＡＩ機能ネットワーク要素は、動作Ｓ６０１、Ｓ６０２、およびＳ６０３において説明された方法を使用することによってトレーニングを通して第１の基準モデルを取得する。ＡＩ機能ネットワーク要素は、ＵＥとＬＭＦとに第１の基準モデルに関する情報を送るか、またはＡＩ機能ネットワーク要素は、ＬＭＦに第１の基準モデルに関する情報を送り、ＬＭＦは、ＵＥに第１の基準モデルに関する情報を送る。任意選択で、ＡＩ機能ネットワーク要素は、ＵＥとＬＭＦとに基準データセット、損失関数、または第１のしきい値のうちの少なくとも１つをさらに示す。たとえば、ＡＩ機能ネットワーク要素は、ＵＥとＬＭＦとに基準データセットを示すか、またはＡＩ機能ネットワーク要素は、ＬＭＦに基準データセットを示し、ＬＭＦは、ＵＥに第１の基準データセットを示し、損失関数と第１のしきい値とは、プロトコル中で合意される。他の可能な事例は１つずつ提供されない。

【0295】

第１の基準モデル決定方法３：

【0296】

ＵＥは、Ｗ個の基準モデルから第１の基準モデルを決定し、ここで、Ｗは、１以上の整数である。ＵＥは、ＬＭＦに第１の基準モデルのインデックスを送り、ＬＭＦは、インデックスに基づいてＷ個の基準モデルから第１の基準モデルを決定する。

【0297】

任意選択で、ＵＥは、ＵＥのコンピューティング能力情報に基づいてＷ個の基準モデルから第１の基準モデルを選択する。ＵＥのコンピューティング能力情報の説明については、図６の対応する説明を参照されたい。たとえば、Ｗ個の基準モデルは構造の複雑さが異なり、より複雑な構造は、より高い計算能力を必要とする。ＵＥは、ＵＥの計算能力に基づいてＷ個の基準モデルから、ＵＥの計算能力よりも高い計算能力を必要としない第１の基準モデルを選択する。

【0298】

任意選択で、Ｗ個の基準モデル中の（基準モデルＡとして示される）基準モデルのそれぞれは、パラメータ構成のグループに対応し、パラメータ構成のグループは、チャネル応答に対応する送信アンテナポート量、チャネル応答に対応する受信アンテナポート量、チャネル応答に対応する帯域幅、またはチャネル応答に対応するＯＦＤＭシンボル量のうちの少なくとも１つを含む。チャネル応答は、基準モデルＡのチャネル特徴抽出モデルの入力を決定するために使用される。表１から表５のいくつかの例に示されているように、２つの異なる基準モデルに対応するパラメータ構成の２つのグループ中に少なくとも１つの異なるパラメータ構成がある。これらの例は、本開示に対して限定を構成しない。ＵＥは、ＵＥのパラメータ構成（たとえば、送信アンテナポート量、受信アンテナポート量、帯域幅能力、および／もしくは処理された時間領域ＯＦＤＭシンボルの最大量）に基づいてＷ個の基準モデルから適切な第１の基準モデルを選択するか、またはＵＥは、ＵＥの測定構成（たとえば、測定アンテナポート量、測定帯域幅、および／もしくは測定時間領域ＯＦＤＭシンボルの量）に基づいてＷ個の基準モデルから適切な第１の基準モデルを選択する。

【表1】

【表2】

【表3】

【表4】

【表5】

【0299】

任意選択で、Ｗ個の基準モデル中の（基準モデルＡとして示される）基準モデルのそれぞれは、適用シナリオのグループに対応し、適用シナリオのグループは、以下のシナリオ、すなわち、ｅＭＢＢ、ＵＲＬＬＣ、ｍＭＴＣ、Ｄ２Ｄ、Ｖ２Ｘ、ＭＴＣ、ＩｏＴ、仮想現実、拡張現実、産業用制御、自律運転、遠隔医療、スマートグリッド、スマート家具、スマートオフィス、スマートウェアラブル、インテリジェント輸送、スマートシティなどのうちの少なくとも１つを含む。表６に示されているように、基準モデルのそれぞれに対応する適用シナリオのグループ中に少なくとも１つの異なる適用シナリオがある。ＵＥは、ＵＥの適用シナリオに基づいてＷ個の基準モデルから第１の基準モデルを選択する。

【表6】

【0300】

任意選択で、Ｗ個の基準モデル中の（基準モデルＡとして示される）基準モデルのそれぞれは、適用環境のグループに対応し、適用環境のグループは、以下の環境、すなわち、工場環境、オフィス環境、高速鉄道環境、地下鉄環境などのうちの少なくとも１つを含む。表７に示されているように、基準モデルのそれぞれに対応する適用環境のグループ中に少なくとも１つの異なる適用環境がある。ＵＥは、ＵＥが位置する環境に基づいてＷ個の基準モデルから第１の基準モデルを選択する。

【表7】

【0301】

任意選択で、Ｗ個の基準モデルは、プロトコル中で合意され得る。任意選択で、基準モデルのそれぞれに対応する基準データセットと、損失関数と、第１のしきい値とがプロトコル中でさらに合意される。任意選択で、Ｗ個の基準モデルは、同じ損失関数および／または同じ第１のしきい値に対応する。

【0302】

任意選択で、Ｗ個の基準モデルは、ＵＥとＬＭＦとにＡＩ機能ネットワーク要素によって示され得る。インジケーション方法は、第１の基準モデル決定方法２の対応する説明と同様である。任意選択で、ＡＩ機能ネットワーク要素は、ＵＥとＬＭＦとに、基準モデルのそれぞれに対応する基準データセット、損失関数、または第１のしきい値のうちの少なくとも１つをさらに示す。任意選択で、基準モデルのそれぞれに対応する損失関数および／または第１のしきい値はプロトコル中で合意される。任意選択で、Ｗ個の基準モデルは、同じ損失関数および／または同じ第１のしきい値に対応する。

【0303】

任意選択で、動作Ｓ１３０２：ＵＥは、第１の基準モデルと第１の基準データセットとに基づいてモデル更新トレーニングを実施して、更新されたチャネル特徴抽出モデルを取得する。

【0304】

第１の基準データセットは、複数のトレーニングデータとトレーニングデータのそれぞれに対応するラベルとを含む。トレーニングデータとラベルとの説明については、図６の対応する説明を参照されたい。ＵＥは、動作Ｓ６０３において説明されたモデルトレーニング方法を使用することによってトレーニングを通して、更新されたチャネル特徴抽出モデルを取得する。動作Ｓ６０３において、トレーニングデータが、ＵＥおよび／またはＬＭＦから収集され、トレーニング処理中に、チャネル特徴抽出モデルと測位情報取得モデルとの両方のパラメータが更新され得る。動作Ｓ１３０２では、図１４Ａに示されているように、トレーニングデータは基準データセットによって与えられ、トレーニング処理中に、チャネル特徴抽出モデルのパラメータは、更新され得、ここで、チャネル特徴抽出モデルの初期モデルは、第１の基準チャネル特徴抽出モデルであるが、測位情報取得モデルのパラメータは、更新されず、言い換えれば、測位情報取得モデルは、第１の基準測位情報取得モデルである。トレーニング処理中に、反復トレーニングは、基準データセット中のトレーニングデータを使用することによって第１の基準チャネル特徴抽出モデルに対して実施されて、更新されたチャネル特徴抽出モデルを取得する。トレーニングの目的は、基準データセット中のトレーニングデータを使用することによって、更新されたチャネル特徴抽出モデルの入力を決定することであり、更新されたチャネル特徴抽出モデルと第１の基準測位情報取得モデルとが一致した方式で使用されるときに、第１の基準測位情報取得モデルの出力とトレーニングデータのラベルとの間の損失関数が、第１のしきい値よりも小さいか、第１のしきい値以下であることを保証する。

【0305】

任意選択で、動作Ｓ１３０３：ＬＭＦは、第１の基準モデルと第１の基準データセットとに基づいてモデル更新トレーニングを実施して、更新された測位情報取得モデルを取得する。

【0306】

第１の基準データセットは、複数のトレーニングデータとトレーニングデータのそれぞれに対応するラベルとを含む。トレーニングデータとラベルとの説明については、図６の対応する説明を参照されたい。ＬＭＦは、動作Ｓ６０３において説明されたモデルトレーニング方法を使用することによってトレーニングを通して更新された測位情報取得モデルを取得する。動作Ｓ６０３において、トレーニングデータが、ＵＥおよび／またはＬＭＦから収集され、トレーニング処理中に、チャネル特徴抽出モデルと測位情報取得モデルとの両方のパラメータが更新され得る。動作Ｓ１３０３では、図１４Ｂに示されているように、トレーニングデータは基準データセットによって与えられ、トレーニング処理中に、チャネル特徴抽出モデルのパラメータは更新されず、言い換えれば、チャネル特徴抽出モデルは、第１の基準チャネル特徴抽出モデルであるが、測位情報取得モデルは、更新され得、ここで、測位情報取得モデルの初期モデルは、第１の基準測位情報取得モデルである。トレーニング処理中に、反復トレーニングは、基準データセット中のトレーニングデータを使用することによって第１の基準測位情報取得モデルに対して実施されて、更新された測位情報取得モデルを取得する。トレーニングの目的は、基準データセット中のトレーニングデータを使用することによって第１の基準チャネル特徴抽出モデルの入力を決定することであり、第１の基準チャネル特徴抽出モデルと更新された測位情報取得モデルとが一致した方式で使用されるときに、更新された測位情報取得モデルの出力とトレーニングデータのラベルとの間の損失関数が、第１のしきい値よりも小さいか、または第１のしきい値以下であることを保証する。

【0307】

任意選択で、Ｗ個の基準モデルがあるとき、ＬＭＦは、最初に、第１の基準モデルを決定し得、次いで、第１の基準モデルに基づいてチャネル特徴抽出モデルをトレーニングし得る。代替として、ＬＭＦは、Ｗ個の基準モデル中の基準モデルのそれぞれに基づいてトレーニングを通して、事前に対応するチャネル特徴抽出モデルを取得し得る。第１の基準モデルが決定されるとき、第１の基準モデルに基づいてトレーニングされたチャネル特徴抽出モデルが取得され得る。

【0308】

動作Ｓ１３０４：ＵＥは、チャネル特徴抽出モデルを使用することによってチャネル特徴を抽出する。動作Ｓ１３０５：ＵＥは、ＬＭＦにチャネル特徴を送る。

【0309】

この動作において、Ｓ１３０２が実施されない場合、チャネル特徴抽出モデルは、第１の基準チャネル特徴抽出モデルであるか、またはＳ１３０２が実施される場合、チャネル特徴抽出モデルは更新されたチャネル特徴抽出モデルである。

【0310】

任意選択で、Ｗ個の基準モデルがあるとき、ＵＥは、最初に、第１の基準モデルを決定し得、次いで、第１の基準モデルに基づいてチャネル特徴抽出モデルをトレーニングし得る。代替として、ＵＥは、Ｗ個の基準モデル中の基準モデルのそれぞれに基づいてトレーニングを通して、事前に対応するチャネル特徴抽出モデルを取得し得る。第１の基準モデルが決定されるとき、第１の基準モデルに基づいてトレーニングされたチャネル特徴抽出モデルが取得され得る。

【0311】

Ｓ１３０４およびＳ１３０５の特定の実装は、図６の対応する説明と同様である。詳細は、再び本明細書で説明されない。

【0312】

動作Ｓ１３０６：ＬＭＦは、測位情報取得モデルを使用することによってＵＥの測位情報を決定する。

【0313】

この動作において、Ｓ１３０３が実施されない場合、測位情報取得モデルは、第１の基準測位情報取得モデルであるか、またはＳ１３０３が実施される場合、測位情報取得モデルは、更新された測位情報取得モデルである。Ｓ１３０６の特定の実装は、図６の対応する説明と同様である。詳細は、再び本明細書で説明されない。

【0314】

図１５は、本開示による、第４の測位方法のフローチャートである。本方法は、以下の動作を含む。

【0315】

動作Ｓ１５０１：基地局とＬＭＦとは、第１の基準モデルを決定する。

【0316】

第１の基準モデルは、第１の基準チャネル特徴抽出モデルと第１の基準測位情報取得モデルとを含む。第１の基準モデルは、ＵＥの測位情報を決定するために基地局とＬＭＦとによって使用される。

【0317】

基地局とＬＭＦとは、以下の方法のうちのいずれか１つを使用することによって第１の基準モデルを決定し得る。

【0318】

第１の基準モデル決定方法１：図１３の対応する説明と同じ。

【0319】

第１の基準モデル決定方法２：図１３の対応する説明と同様であり、ＵＥは、基地局と置き換えられる。

【0320】

第１の基準モデル決定方法３：

【0321】

基地局は、Ｗ個の基準モデルから第１の基準モデルを決定し、ここで、Ｗは、１よりも大きい整数である。基地局は、ＬＭＦに第１の基準モデルのインデックスを送り、ＬＭＦは、インデックスに基づいてＷ個の基準モデルから第１の基準モデルを決定する。

【0322】

任意選択で、基地局は、基地局のコンピューティング能力情報に基づいてＷ個の基準モデルから第１の基準モデルを選択する。基地局のコンピューティング能力情報の説明については、図１２の対応する説明を参照されたい。たとえば、Ｗ個の基準モデルは構造の複雑さが異なり、より複雑な構造は、より高い計算能力を必要とする。基地局は、基地局の計算能力に基づいてＷ個の基準モデルから、基地局の計算能力よりも高い計算能力を必要としない第１の基準モデルを選択する。

【0323】

任意選択で、Ｗ個の基準モデル中の（基準モデルＡとして示される）基準モデルのそれぞれは、パラメータ構成のグループに対応し、パラメータ構成のグループは、チャネル応答に対応する送信アンテナポート量、チャネル応答に対応する受信アンテナポート量、チャネル応答に対応する帯域幅、またはチャネル応答に対応するＯＦＤＭシンボル量のうちの少なくとも１つを含む。チャネル応答は、基準モデルＡのチャネル特徴抽出モデルの入力を決定するために使用される。表１から表５のいくつかの例に示されているように、基準モデルのそれぞれに対応するパラメータ構成のグループ中に少なくとも１つの異なるパラメータ構成がある。基地局は、基地局のパラメータ構成（たとえば、送信アンテナポート量、受信アンテナポート量、帯域幅能力、および／または処理された時間領域ＯＦＤＭシンボルの最大量）に基づいてＷ個の基準モデルから適切な第１の基準モデルを選択するか、または基地局は、基地局の測定情報（たとえば、測定アンテナポート量、測定帯域幅、および／または測定時間領域ＯＦＤＭシンボルの量）に基づいてＷ個の基準モデルから適切な第１の基準モデルを選択する。

【0324】

任意選択で、Ｗ個の基準モデル中の（基準モデルＡとして示される）基準モデルのそれぞれは、ＵＥの適用シナリオのグループに対応する。適用シナリオの説明については、図１３の対応する説明を参照されたい。表６に示されているように、基準モデルのそれぞれに対応する適用シナリオのグループ中に少なくとも１つの異なる適用シナリオがある。基地局は、ＵＥの適用シナリオに基づいてＷ個の基準モデルから第１の基準モデルを選択する。任意選択で、基地局によって学習されたＵＥの適用シナリオは、たとえば、ＵＥのサービスタイプに基づいて決定されるか、または基地局にＵＥによって報告される。これは、限定されない。

【0325】

任意選択で、Ｗ個の基準モデル中の（基準モデルＡとして示される）基準モデルのそれぞれは、適用環境のグループに対応する。適用シナリオの説明については、図１３の対応する説明を参照されたい。表７に示されているように、基準モデルのそれぞれに対応する適用環境のグループ中に少なくとも１つの異なる適用環境がある。基地局は、ＵＥが位置する環境に基づいてＷ個の基準モデルから第１の基準モデルを選択する。任意選択で、基地局によって学習されるＵＥが位置する環境は、たとえば、ＵＥに対応する測定情報に基づいて推定を通して取得されるか、または基地局にＵＥによって報告される。これは、限定されない。

【0326】

任意選択で、Ｗ個の基準モデルは、プロトコル中で合意され得る。任意選択で、基準モデルのそれぞれに対応する基準データセットと、損失関数と、第１のしきい値とがプロトコル中でさらに合意される。任意選択で、Ｗ個の基準モデルは、同じ損失関数および／または同じ第１のしきい値に対応する。

【0327】

任意選択で、Ｗ個の基準モデルは、基地局とＬＭＦとにＡＩ機能ネットワーク要素によって示され得る。インジケーション方法は、第１の基準モデル決定方法２の対応する説明と同様である。任意選択で、ＡＩ機能ネットワーク要素は、基地局とＬＭＦとに、基準モデルのそれぞれに対応する基準データセット、損失関数、または第１のしきい値のうちの少なくとも１つをさらに示す。任意選択で、基準モデルのそれぞれに対応する損失関数および／または第１のしきい値はプロトコル中で合意される。任意選択で、Ｗ個の基準モデルは、同じ損失関数および／または同じ第１のしきい値に対応する。

【0328】

任意選択で、動作Ｓ１５０２：基地局は、第１の基準モデルと第１の基準データセットとに基づいてモデル更新トレーニングを実施して、更新されたチャネル特徴抽出モデルを取得する。

【0329】

第１の基準データセットは、複数のトレーニングデータとトレーニングデータのそれぞれに対応するラベルとを含む。トレーニングデータとラベルとの説明については、図１２の対応する説明を参照されたい。図１４Ａに示されるように、基地局は、動作Ｓ１２０３において説明されたモデルトレーニング方法を使用することによってトレーニングを通して、更新されたチャネル特徴抽出モデルを取得する。動作Ｓ１５０２とＳ１２０３との間の差は、動作Ｓ１３０２とＳ６０３との間の差と同様である。詳細は、再び本明細書で説明されない。

【0330】

任意選択で、動作Ｓ１５０３：ＬＭＦは、第１の基準モデルと第１の基準データセットとに基づいてモデル更新トレーニングを実施して、更新されたチャネル特徴抽出モデルを取得する。

【0331】

第１の基準データセットは、複数のトレーニングデータとトレーニングデータのそれぞれに対応するラベルとを含む。トレーニングデータとラベルとの説明については、図１２の対応する説明を参照されたい。図１４Ｂに示されるように、ＬＭＦは、動作Ｓ１２０３において説明されたモデルトレーニング方法を使用することによってトレーニングを通して、更新されたチャネル特徴抽出モデルを取得する。動作Ｓ１５０３とＳ１２０３との間の差は、動作Ｓ１３０３とＳ６０３との間の差と同様である。詳細は、再び本明細書で説明されない。

【0332】

動作Ｓ１５０４：基地局は、チャネル特徴抽出モデルを使用することによってチャネル特徴を抽出する。動作Ｓ１５０５：基地局は、ＬＭＦにチャネル特徴を送る。

【0333】

この動作において、Ｓ１５０２が実施されない場合、チャネル特徴抽出モデルは、第１の基準チャネル特徴抽出モデルであるか、またはＳ１５０２が実施される場合、チャネル特徴抽出モデルは更新されたチャネル特徴抽出モデルである。

【0334】

Ｓ１３０４およびＳ１３０５の特定の実装は、図１２の対応する説明と同様である。詳細は、再び本明細書で説明されない。

【0335】

動作Ｓ１５０６：ＬＭＦは、測位情報取得モデルを使用することによってＵＥの測位情報を決定する。

【0336】

この動作において、Ｓ１５０３が実施されない場合、測位情報取得モデルは、第１の基準測位情報取得モデルであるか、またはＳ１５０３が実施される場合、測位情報取得モデルは、更新された測位情報取得モデルである。Ｓ１５０６の特定の実装は、図１２の対応する説明と同様である。詳細は、再び本明細書で説明されない。

【0337】

上記の方法における機能を実装するために、基地局と、ＵＥと、ＬＭＦと、ＡＩ機能ネットワーク要素とは、機能を実施するための対応するハードウェア構造および／またはソフトウェアモジュールを含むことが理解され得る。当業者は、本出願で説明される例におけるユニットおよび方法ステップを参照しながら、本出願がハードウェアまたはハードウェアとコンピュータソフトウェアとの組合せによって実装されることができることを容易に認識する。機能がハードウェアによって実行されるかまたはコンピュータソフトウェアによって駆動されるハードウェアによって実行されるかは、特定の適用シナリオと技術的解決策の設計制約とに依存する。

【0338】

図１６および図１７は、本開示による、可能な通信装置の構造の概略図である。これらの通信装置は、上記の方法における基地局と、ＵＥと、ＬＭＦと、ＡＩ機能ネットワーク要素との機能を実装するように構成され得、したがって、上記の方法の有益な効果を実装することもできる。

【0339】

図１６に示されているように、通信装置９００は、処理ユニット９１０とトランシーバユニット９２０とを含む。通信装置９００は、図６、図１２、図１３、または図１５に示されている方法を実装するように構成される。

【0340】

通信装置９００が図６または図１３に示されている方法におけるＵＥの機能を実装するように構成されるとき、トランシーバユニット９２０は、ＬＭＦにＸ個のチャネル特徴を送るように構成され、処理ユニット９１０は、Ｙ個のチャネル応答とチャネル特徴抽出モデルとに基づいてＸ個のチャネル特徴を取得するように構成される。ＸとＹとは、１以上の整数である。Ｘ個のチャネル特徴は、ＵＥとＰ個の基地局との間のＹ個のチャネルに対応し、Ｙ個のチャネル応答は、Ｙ個のチャネルと１対１の対応にある。

【0341】

通信装置９００が図１２または図１５に示されている方法における基地局の機能を実装するように構成されるとき、トランシーバユニット９２０は、ＬＭＦにＥ個のチャネル特徴を送るように構成され、ここで、Ｅは、１以上の整数であり、処理ユニット９１０は、Ｅ個のチャネル応答のそれぞれとチャネル特徴抽出モデルとに基づいて、チャネル応答に対応するチャネル特徴を取得するように構成される。Ｅ個のチャネル特徴は、ＵＥと基地局との間のＥ個のチャネルに対応する。

【0342】

通信装置９００が図６、図１２、図１３、または図１５に示されている方法におけるＬＭＦの機能を実装するように構成されるとき、トランシーバユニット９２０は、Ｘ個のチャネル特徴を受信するように構成され、ここで、Ｘ個のチャネル特徴は、ＵＥとＰ個の基地局との間のＹ個のチャネルに対応し、ＸとＹとは、１以上の整数であり、処理ユニット９１０は、Ｘ個のチャネル特徴と測位情報取得モデルとに基づいてＵＥの測位情報を取得するように構成される。

【0343】

通信装置９００が図６、図１２、図１３、または図１５に示されている方法におけるＡＩ機能ネットワーク要素の機能を実装するように構成されるとき、トランシーバユニット９２０は、トレーニングデータを受信するように構成され、処理ユニット９１０は、トレーニングデータに基づいてトレーニングを通してチャネル特徴抽出モデルと測位情報取得モデルとを取得するように構成される。

【0344】

処理ユニット９１０とトランシーバユニット９２０とのより詳細な説明については、図６、図１２、図１３、または図１５に示されている方法における関連説明を参照し、説明を直接取得されたい。詳細は、再び本明細書で説明されない。

【0345】

図１７に示されているように、通信装置１０００は、プロセッサ１０１０とインターフェース回路１０２０とを含む。プロセッサ１０１０とインターフェース回路１０２０とは、互いに結合される。インターフェース回路１０２０がトランシーバ、ピン、または入出力インターフェースであり得ることが理解され得る。任意選択で、通信装置１０００は、プロセッサ１０１０によって実行される命令、命令を実行するためにプロセッサ１０１０によって必要とされる入力データ、またはプロセッサ１０１０が命令を実行した後に生成されるデータのうちの少なくとも１つを記憶するように構成されたメモリ１０３０をさらに含み得る。

【0346】

通信装置１０００が、前述の方法を実装するように構成されるとき、プロセッサ１０１０は、上記の処理ユニット９１０の機能を実装するように構成され、インターフェース回路１０２０は、前述のトランシーバユニット９２０の機能を実装するように構成される。

【0347】

通信装置がＵＥにおいて使用されるチップであるとき、ＵＥチップは、前述の方法におけるＵＥの機能を実装する。ＵＥチップは、ＵＥ中の別のモジュール（たとえば、無線周波数モジュールまたはアンテナ）から情報を受信し、ここで、情報は、ＵＥに基地局、ＬＭＦ、ＡＩ機能ネットワーク要素などによって送られる。代替として、ＵＥチップは、ＵＥ中の別のモジュール（たとえば、無線周波数モジュールまたはアンテナ）に情報を送り、ここで、情報は、基地局、ＬＭＦ、ＡＩ機能ネットワーク要素などにＵＥによって送られる。

【0348】

通信装置が基地局において使用されるモジュールであるとき、基地局モジュールは、前述の方法における基地局の機能を実装する。基地局モジュールは、基地局中の別のモジュール（たとえば、無線周波数モジュールまたはアンテナ）から情報を受信し、ここで、情報は、基地局にＵＥ、ＬＭＦ、またはＡＩ機能ネットワーク要素によって送られる。代替として、基地局モジュールは、基地局中の別のモジュール（たとえば、無線周波数モジュールまたはアンテナ）に情報を送り、ここで、情報は、ＵＥ、ＬＭＦ、ＡＩ機能ネットワーク要素などに基地局によって送られる。本明細書における基地局モジュールは、基地局中のベースバンドチップであり得るか、または準リアルタイムＲＩＣ、ＣＵ、ＤＵ、もしくは別のモジュールであり得る。本明細書における準リアルタイムＲＩＣ、ＣＵ、およびＤＵは、Ｏ－ＲＡＮアーキテクチャ中の準リアルタイムＲＩＣ、ＣＵ、およびＤＵであり得る。

【0349】

通信装置がＬＭＦモジュール中で使用されるとき、ＬＭＦモジュールは、前述の方法におけるＬＭＦの機能を実装する。ＬＭＦモジュールは、ＬＭＦ中の別のモジュール（たとえば、無線周波数モジュールまたはアンテナ）から情報を受信し、ここで、情報は、基地局にＵＥ、基地局、またはＡＩ機能ネットワーク要素によって送られる。代替として、ＬＭＦモジュールは、ＬＭＦ中の別のモジュール（たとえば、無線周波数モジュールまたはアンテナ）に情報を送り、ここで、情報は、ＵＥ、基地局、ＡＩ機能ネットワーク要素などにＬＭＦによって送られる。

【0350】

本出願では、プロセッサは、汎用プロセッサ、デジタル信号プロセッサ、特定用途向け集積回路、フィールドプログラマブルゲートアレイもしくは別のプログラマブル論理デバイス、ディスクリートゲートもしくはトランジスタ論理デバイス、またはディスクリートハードウェア構成要素であり得、本開示における方法、ステップ、および論理ブロック図を実装または実施し得る。汎用プロセッサは、マイクロプロセッサ、任意の従来のプロセッサなどであり得る。本開示における方法のステップは、ハードウェアプロセッサによって直接実施され得るか、またはプロセッサ中のハードウェアとソフトウェアモジュールとの組合せによって実施され得る。

【0351】

本出願では、メモリは、不揮発性メモリ、たとえば、ハードディスクドライブ（ｈａｒｄ ｄｉｓｋ ｄｒｉｖｅ、 ＨＤＤ）もしくはソリッドステートドライブ（ｓｏｌｉｄ－ｓｔａｔｅ ｄｒｉｖｅ、 ＳＳＤ）であり得るか、または揮発性メモリ（ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）、たとえば、ランダムアクセスメモリ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ、 ＲＡＭ）であり得る。メモリは、命令またはデータ構造の形態で予期されるプログラムコードを担持または記憶することができ、コンピュータによってアクセスされることができる任意の他の媒体であるが、それに限定されない。代替として、本出願におけるメモリは、記憶機能を実装することができる回路または任意の他の装置であり得、プログラム命令および／またはデータを記憶するように構成される。

【0352】

本出願における方法は、ソフトウェア、ハードウェア、ファームウェア、またはそれらの任意の組合せによって完全にまたは部分的に実装され得る。ソフトウェアが本方法を実装するために使用されるとき、本方法は、コンピュータプログラム製品の形態で完全にまたは部分的に実装され得る。コンピュータプログラム製品は、１つまたは複数のコンピュータプログラムまたは命令を含む。コンピュータプログラムまたは命令がコンピュータ上にロードされ、実行されるとき、本出願における処理または機能は完全にまたは部分的に実施される。コンピュータは、汎用コンピュータ、専用コンピュータ、コンピュータネットワーク、アクセスネットワークデバイス、端末デバイス、コアネットワークデバイス、ＡＩ機能ネットワーク要素、または別のプログラマブル装置であり得る。コンピュータプログラムまたは命令は、コンピュータ可読記憶媒体中に記憶され得るか、またはコンピュータ可読記憶媒体から別のコンピュータ可読記憶媒体に送信され得る。たとえば、コンピュータプログラムまたは命令は、ワイヤードまたはワイヤレス方式でウェブサイト、コンピュータ、サーバ、またはデータセンターから別のウェブサイト、コンピュータ、サーバ、またはデータセンターに送信され得る。コンピュータ可読記憶媒体は、コンピュータによってアクセスされることが可能な任意の使用可能な媒体または１つもしくは複数の使用可能な媒体を統合するデータストレージデバイス、たとえば、サーバもしくはデータセンターであり得る。使用可能な媒体は、磁気媒体、たとえば、フロッピーディスク、ハードディスクドライブ、もしくは磁気テープであり得るか、または光媒体、たとえば、デジタルビデオディスクであり得るか、または半導体媒体、たとえば、ソリッドステートドライブであり得る。コンピュータ可読記憶媒体は、揮発性もしくは不揮発性記憶媒体であり得るか、または揮発性記憶媒体と不揮発性記憶媒体との両方を含み得る。

【0353】

上記の説明は、本発明の特定の実装にすぎず、本発明の保護範囲を限定することを意図されていない。本発明において開示される技術的範囲内で当業者によって容易に考え出されるいかなる変更または置換も、本発明の保護範囲内に入るものとする。したがって、本発明の保護範囲は、特許請求の保護範囲の対象であるものとする。

【図1】

【図2】

【図3A】

【図3B】

【図3C】

【図3D】

【図3E】

【図4】

【図5A】

【図5B】

【図6】

【図7A】

【図7B】

【図8A】

【図8B】

【図8C】

【図9A】

【図9B】

【図9C】

【図10】

【図11】

【図12】

【図13】

【図14A】

【図14B】

【図15】

【図16】

【図17】

【手続補正書】

【提出日】2024-06-27

【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】

通信方法であって、
ロケーション管理機能ＬＭＦにＸ個のチャネル特徴を送るステップを含み、
前記Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、前記Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、前記チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、前記Ｙ個のチャネル応答は、前記Ｙ個のチャネルと１対１の対応にあり、ＸおよびＹは、１以上の整数である、通信方法。

【請求項2】

ＸはＹ以下であり、および／または前記Ｘ個のチャネル特徴の総次元は前記Ｙ個のチャネル応答の総次元よりも小さい請求項１に記載の方法。

【請求項3】

前記Ｘ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、前記測位情報取得モデルの出力は、前記端末デバイスの測位情報を含む請求項１に記載の方法。

【請求項4】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項３に記載の方法。

【請求項5】

通信方法であって、
ロケーション管理機能ＬＭＦにＥ個のチャネル特徴を送るステップを含み、Ｅは、１以上の整数であり、
前記Ｅ個のチャネル特徴は、端末デバイスとアクセスネットワークデバイスとの間のＥ個のチャネルに対応し、前記Ｅ個のチャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、前記チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、前記チャネル応答は、前記チャネル特徴に対応するチャネルに対応する、通信方法。

【請求項6】

前記チャネル特徴の次元は前記チャネル応答の次元よりも小さい請求項５に記載の方法。

【請求項7】

前記Ｅ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、前記測位情報取得モデルの出力は、前記端末デバイスの測位情報を含む請求項５に記載の方法。

【請求項8】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｅ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項７に記載の方法。

【請求項9】

前記チャネルタイプ、前記第１の経路ロケーション、または前記端末デバイスの前記相対方位角のうちの少なくとも１つは、前記端末デバイスの前記ロケーション情報を決定するために使用される請求項８に記載の方法。

【請求項10】

前記方法は、
前記チャネル特徴抽出モデルに関する情報を受信するステップ
をさらに含む請求項５に記載の方法。

【請求項11】

前記方法は、
第１の基準モデルに基づいて前記チャネル特徴抽出モデルを決定するステップをさらに含み、前記第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む
請求項５に記載の方法。

【請求項12】

前記チャネル特徴抽出モデルおよび前記第１の基準測位情報取得モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である請求項１１に記載の方法。

【請求項13】

通信方法であって、
Ｘ個のチャネル特徴を受信するステップであって、前記Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、ＸおよびＹは、１以上の正の整数である、ステップと、
前記Ｘ個のチャネル特徴および測位情報取得モデルに基づいて前記端末デバイスの測位情報を取得するステップと
を含む、通信方法。

【請求項14】

ＸはＹ以下であり、および／または前記Ｘ個のチャネル特徴の総次元はＹ個のチャネル応答の総次元よりも小さい請求項１３に記載の方法。

【請求項15】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項１３に記載の方法。

【請求項16】

前記チャネルタイプ、前記第１の経路ロケーション、または前記端末デバイスの前記相対方位角のうちの少なくとも１つに基づいて前記端末デバイスの前記ロケーション情報を決定するステップ
をさらに含む請求項１５に記載の方法。

【請求項17】

前記方法は、
前記測位情報取得モデルに関する情報を受信するステップ
をさらに含む請求項１３に記載の方法。

【請求項18】

前記方法は、
第１の基準モデルに基づいて前記測位情報取得モデルを決定するステップをさらに含み、前記第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む
請求項１３に記載の方法。

【請求項19】

前記測位情報取得モデルおよび前記第１の基準チャネル特徴抽出モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である請求項１８に記載の方法。

【請求項20】

前記方法は、
チャネル特徴抽出モデルに関する情報を送るステップをさらに含み、前記チャネル特徴抽出モデルの出力は前記チャネル特徴を含む
請求項１３に記載の方法。

【請求項21】

通信方法であって、
トレーニングデータセットを受信するステップであって、前記トレーニングデータセット中のトレーニングデータのそれぞれは、端末デバイスのＹ個のチャネルのＹ個のチャネル応答およびＹ個の測位情報を示し、前記Ｙ個のチャネル応答は、前記Ｙ個の測位情報と１対１の対応にある、ステップと、
前記トレーニングデータセットに基づくトレーニングを通してチャネル特徴抽出モデルおよび測位情報取得モデルを取得するステップであって、前記チャネル特徴抽出モデルの入力は、前記Ｙ個のチャネル応答のうちの少なくとも１つに基づいて決定され、前記測位情報取得モデルの入力は、前記チャネル特徴抽出モデルの出力に基づいて決定される、ステップと
を含む、通信方法。

【請求項22】

請求項１乃至１２のいずれか一項に記載の方法を実装するように構成されたモジュールを備える、通信装置。

【請求項23】

プロセッサおよびメモリを備える、通信装置であって、前記プロセッサは、前記メモリに結合されており、前記プロセッサは、請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項24】

請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成されたモジュールを備える、通信装置。

【請求項25】

プロセッサおよびメモリを備える、通信装置であって、前記プロセッサは、前記メモリに結合されており、前記プロセッサは、請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項26】

請求項２１に記載の方法を実装するように構成されたモジュールを備える、通信装置。

【請求項27】

請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された通信装置を備えるか、または、
請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項２１に記載の方法を実装するように構成された通信装置を備えるか、または、
請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項２１に記載の方法を実装するように構成された通信装置を備えるか、または
請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された通信装置、請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項２１に記載の方法を実装するように構成された通信装置を備える、
通信システム。

【請求項28】

コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体は命令を記憶しており、前記命令がコンピュータ上で稼働されたとき、前記コンピュータは、請求項１乃至１２のいずれか一項に記載の方法、または請求項１３乃至２０のいずれか一項に記載の方法、または請求項２１に記載の方法を実施することを可能にされる、コンピュータ可読記憶媒体。

【請求項29】

命令を含む、コンピュータプログラム製品であって、前記命令がコンピュータ上で稼働されたとき、前記コンピュータは、請求項１乃至１２のいずれか一項に記載の方法、または請求項１３乃至２０のいずれか一項に記載の方法、または請求項２１に記載の方法を実施することを可能にされる、コンピュータプログラム製品。

【手続補正2】

【補正対象書類名】明細書

【補正対象項目名】０２１６

【補正方法】変更

【補正の内容】

【0216】

任意選択で、例Ａ１および例Ｂ１では、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、Ｙ個の要素を含み得、ここで、第ｙの要素はＳ_yであり、ｙの値は１からＹにわたる。代替として、上記の説明と同様に、Ｐｏｓｉｔｉｏｎ＿ｍｏｄｅｌ＿Ｉｎ_bは、Ｙ個のＳ_yから分離された実数部、虚数部、振幅、および位相のうちの少なくとも１つを含む。

【手続補正書】

【提出日】2024-07-05

【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】

通信方法であって、
ロケーション管理機能（ＬＭＦ）にＸ個のチャネル特徴を送るステップを含み、
前記Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、前記Ｘ個のチャネル特徴は、チャネル特徴抽出モデルを使用することによって取得され、前記チャネル特徴抽出モデルの入力は、Ｙ個のチャネル応答に基づいて決定され、前記Ｙ個のチャネル応答は、前記Ｙ個のチャネルと１対１の対応にあり、ＸおよびＹは、１以上の整数である、通信方法。

【請求項2】

ＸはＹ以下であり、および／または前記Ｘ個のチャネル特徴の総次元は前記Ｙ個のチャネル応答の総次元よりも小さい請求項１に記載の方法。

【請求項3】

前記Ｘ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、前記測位情報取得モデルの出力は、前記端末デバイスの測位情報を含む請求項１に記載の方法。

【請求項4】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項３に記載の方法。

【請求項5】

通信方法であって、
ロケーション管理機能（ＬＭＦ）にＥ個のチャネル特徴を送るステップを含み、Ｅは、１以上の整数であり、
前記Ｅ個のチャネル特徴は、端末デバイスとアクセスネットワークデバイスとの間のＥ個のチャネルに対応し、前記Ｅ個のチャネル特徴のそれぞれは、チャネル特徴抽出モデルを使用することによって取得され、前記チャネル特徴抽出モデルの入力は、チャネル応答に基づいて決定され、前記チャネル応答は、前記チャネル特徴に対応するチャネルに対応する、通信方法。

【請求項6】

前記チャネル特徴の次元は前記チャネル応答の次元よりも小さい請求項５に記載の方法。

【請求項7】

前記Ｅ個のチャネル特徴は、測位情報取得モデルの入力を決定するために使用され、前記測位情報取得モデルの出力は、前記端末デバイスの測位情報を含む請求項５に記載の方法。

【請求項8】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｅ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項７に記載の方法。

【請求項9】

前記チャネルタイプ、前記第１の経路ロケーション、または前記端末デバイスの前記相対方位角のうちの少なくとも１つは、前記端末デバイスの前記ロケーション情報を決定するために使用される請求項８に記載の方法。

【請求項10】

前記方法は、
前記チャネル特徴抽出モデルに関する情報を受信するステップ
をさらに含む請求項５に記載の方法。

【請求項11】

前記方法は、
第１の基準モデルに基づいて前記チャネル特徴抽出モデルを決定するステップをさらに含み、前記第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む
請求項５に記載の方法。

【請求項12】

前記チャネル特徴抽出モデルおよび前記第１の基準測位情報取得モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である請求項１１に記載の方法。

【請求項13】

通信方法であって、
Ｘ個のチャネル特徴を受信するステップであって、前記Ｘ個のチャネル特徴は、端末デバイスのＹ個のチャネルに対応し、ＸおよびＹは、１以上の正の整数である、ステップと、
前記Ｘ個のチャネル特徴および測位情報取得モデルに基づいて前記端末デバイスの測位情報を取得するステップと
を含む、通信方法。

【請求項14】

ＸはＹ以下であり、および／または前記Ｘ個のチャネル特徴の総次元はＹ個のチャネル応答の総次元よりも小さい請求項１３に記載の方法。

【請求項15】

前記測位情報は、前記端末デバイスのロケーション情報を示すか、または
前記測位情報は、前記Ｙ個のチャネルの以下、すなわち、チャネルタイプ、第１の経路ロケーション、もしくは前記端末デバイスの相対方位角のうちの少なくとも１つを示す
請求項１３に記載の方法。

【請求項16】

前記チャネルタイプ、前記第１の経路ロケーション、または前記端末デバイスの前記相対方位角のうちの少なくとも１つに基づいて前記端末デバイスの前記ロケーション情報を決定するステップ
をさらに含む請求項１５に記載の方法。

【請求項17】

前記方法は、
前記測位情報取得モデルに関する情報を受信するステップ
をさらに含む請求項１３に記載の方法。

【請求項18】

前記方法は、
第１の基準モデルに基づいて前記測位情報取得モデルを決定するステップをさらに含み、前記第１の基準モデルは、第１の基準チャネル特徴抽出モデルおよび第１の基準測位情報取得モデルを含む
請求項１３に記載の方法。

【請求項19】

前記測位情報取得モデルおよび前記第１の基準チャネル特徴抽出モデルが一致した方式で使用されるとき、損失関数の値は、第１のしきい値よりも小さいかまたは第１のしきい値以下である請求項１８に記載の方法。

【請求項20】

前記方法は、
チャネル特徴抽出モデルに関する情報を送るステップをさらに含み、前記チャネル特徴抽出モデルの出力は前記チャネル特徴を含む
請求項１３に記載の方法。

【請求項21】

通信方法であって、
トレーニングデータセットを受信するステップであって、前記トレーニングデータセット中のトレーニングデータのそれぞれは、端末デバイスのＹ個のチャネルのＹ個のチャネル応答およびＹ個の測位情報を示し、前記Ｙ個のチャネル応答は、前記Ｙ個の測位情報と１対１の対応にある、ステップと、
前記トレーニングデータセットに基づくトレーニングを通してチャネル特徴抽出モデルおよび測位情報取得モデルを取得するステップであって、前記チャネル特徴抽出モデルの入力は、前記Ｙ個のチャネル応答のうちの少なくとも１つに基づいて決定され、前記測位情報取得モデルの入力は、前記チャネル特徴抽出モデルの出力に基づいて決定される、ステップと
を含む、通信方法。

【請求項22】

請求項１乃至１２のいずれか一項に記載の方法を実装するように構成されたモジュールを備える、通信装置。

【請求項23】

プロセッサおよびメモリを備える、通信装置であって、前記プロセッサは、前記メモリに結合されており、前記プロセッサは、請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項24】

請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成されたモジュールを備える、通信装置。

【請求項25】

プロセッサおよびメモリを備える、通信装置であって、前記プロセッサは、前記メモリに結合されており、前記プロセッサは、請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された、通信装置。

【請求項26】

請求項２１に記載の方法を実装するように構成されたモジュールを備える、通信装置。

【請求項27】

請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された通信装置を備えるか、または、
請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項２１に記載の方法を実装するように構成された通信装置を備えるか、または、
請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項２１に記載の方法を実装するように構成された通信装置を備えるか、または
請求項１乃至１２のいずれか一項に記載の方法を実装するように構成された通信装置、請求項１３乃至２０のいずれか一項に記載の方法を実装するように構成された通信装置、および請求項２１に記載の方法を実装するように構成された通信装置を備える、
通信システム。

【請求項28】

コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体は命令を記憶しており、前記命令がコンピュータ上で稼働されたとき、前記コンピュータは、請求項１乃至１２のいずれか一項に記載の方法、または請求項１３乃至２０のいずれか一項に記載の方法、または請求項２１に記載の方法を実施することを可能にされる、コンピュータ可読記憶媒体。

【請求項29】

命令を含む、コンピュータプログラムであって、前記命令がコンピュータ上で稼働されたとき、前記命令は、請求項１乃至１２のいずれか一項に記載の方法、または請求項１３乃至２０のいずれか一項に記載の方法、または請求項２１に記載の方法を前記コンピュータに実行させる、コンピュータプログラム。

【手続補正2】

【補正対象書類名】明細書

【補正対象項目名】００８９

【補正方法】変更

【補正の内容】

【0089】

図１は、本開示が適用されることが可能な通信システム１０００のアーキテクチャの概略図である。図１に示されているように、通信システムは、無線アクセスネットワーク（ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ， ＲＡＮ）１００およびコアネットワーク（ｃｏｒｅ ｎｅｔｗｏｒｋ， ＣＮ）２００を含む。任意選択で、通信システム１０００はインターネット３００をさらに含むことがある。無線アクセスネットワーク１００は、少なくとも１つのアクセスネットワークデバイス（ＲＡＮデバイスと呼ばれることがあり、たとえば、図１の１１０ａおよび１１０ｂ）を含むことがあり、少なくとも１つの端末（たとえば、図１の１２０ａから１２０ｊ）をさらに含むことがある。端末は、アクセスネットワークデバイスにワイヤレス方式で接続される。アクセスネットワークデバイスは、コアネットワークにワイヤレスまたはワイヤード方式で接続される。コアネットワークデバイスおよびアクセスネットワークデバイスは、互いに独立した異なる物理デバイスであり得るか、またはコアネットワークデバイスの機能とアクセスネットワークデバイスの機能とを組み込んだ同じ物理デバイスであり得るか、または別の可能な場合であり得る。たとえば、一方の物理デバイスは、アクセスネットワークデバイスの機能とコアネットワークデバイスの機能の部分とを組み込むことがあり、他方の物理デバイスは、コアネットワークデバイスの機能の残りの部分を実装する。コアネットワークデバイスおよびアクセスネットワークデバイスの物理的存在形態は、本開示では限定されない。端末は、別の端末にワイヤードまたはワイヤレス方式で接続されることがある。アクセスネットワークデバイスは、別のアクセスネットワークデバイスにワイヤードまたはワイヤレス方式で接続されることがある。図１は概略図にすぎず、本開示を限定することを意図されていない。たとえば、通信システムは、別のネットワークデバイスをさらに含むことがあり、たとえば、ワイヤレスリレーデバイス、ワイヤレスバックホールデバイスなどをさらに含むことがある。

【手続補正3】

【補正対象書類名】明細書

【補正対象項目名】００９７

【補正方法】変更

【補正の内容】

【0097】

アクセスネットワークデバイスは、ＣＵおよびＤＵを含み得る。この設計はＣＵ－ＤＵスプリットと呼ばれることがある。複数のＤＵは、１つのＣＵによって集中型方式で制御されてもよい。たとえば、ＣＵとＤＵとの間のインターフェースはＦ１インターフェースと呼ばれる。制御プレーン（ｃｏｎｔｒｏｌ ｐｌａｎｅ， ＣＰ）インターフェースはＦ１－Ｃであることがあり、ユーザプレーン（ｕｓｅｒ ｐｌａｎｅ， ＵＰ）インターフェースはＦ１－Ｕであることがある。インターフェースの特定の名前は、本開示では限定されない。ＣＵおよびＤＵは、ワイヤレスネットワークのプロトコルレイヤに基づく分割を通して取得されてもよい。たとえば、ＰＤＣＰレイヤおよびＰＤＣＰレイヤの上にあるプロトコルレイヤ（たとえば、ＲＲＣレイヤおよびＳＤＡＰレイヤ）の機能は、ＣＵに割り振られ、ＰＤＣＰレイヤの下にあるプロトコルレイヤ（たとえば、ＲＬＣレイヤ、ＭＡＣレイヤ、およびＰＨＹレイヤ）の機能は、ＤＵに割り振られる。別の例では、ＰＤＣＰレイヤの上にあるプロトコルレイヤの機能は、ＣＵに割り振られ、ＰＤＣＰレイヤの下にあるプロトコルレイヤの機能は、ＤＵに割り振られる。これは限定されない。

【手続補正4】

【補正対象書類名】明細書

【補正対象項目名】０１１６

【補正方法】変更

【補正の内容】

【0116】

本開示では、モデルはＡＩモデルと呼ばれることもある。ＡＩモデルは、ＡＩ機能を実装するための特定の方法として考えられてもよい。ＡＩモデルは、モデルの入力と出力との間のマッピング関係または関数モデルを表す。ＡＩ機能は、以下、すなわち、データ収集、モデルトレーニング（またはモデル学習）、モデル情報公開、モデルテスト、モデル推論（または推論、予測などと呼ばれる）、モデル監視またはモデル検査、推論結果公開などのうちの少なくとも１つを含むことがある。ＡＩ機能はＡＩ（関係の）演算と呼ばれることもある。

【手続補正5】

【補正対象書類名】明細書

【補正対象項目名】０１３４

【補正方法】変更

【補正の内容】

【0134】

本開示では、「少なくとも１つ」は、１つまたは複数としてさらに記述されてもよく、「複数の」は、２つの、３つの、４つの、またはそれより多くであり得る。これは限定されない。「／」は、関連する対象間の「または」関係を表し得る。たとえば、Ａ／ＢはＡまたはＢを表し得る。「および／または」は、関連する対象間に３つの関係が存在することを記述するために使用され得る。たとえば、Ａおよび／またはＢは、以下の３つの場合、すなわち、Ａのみが存在する、ＡとＢとの両方が存在する、およびＢのみが存在する、を表し得、ＡおよびＢは単数形または複数形であり得る。本開示では技術的解決策を説明しやすいように、「第１の」、「第２の」、「Ａ」、または「Ｂ」などの用語は、同じまたは同様の機能をもつ技術的特徴を区別するために使用されることがある。「第１の」、「第２の」、「Ａ」、または「Ｂ」などの用語は、量および実行シーケンスを限定しない。加えて、「第１の」、「第２の」、「Ａ」、または「Ｂ」などの用語は、明確に異なるように限定されない。「例」または「たとえば」などの用語は、例、例示、または説明を表すために使用される。「例」または「たとえば」として説明されたどんな設計解決策も、別の設計解決策よりも好ましいかまたは有利であるものとして説明されるべきではない。「例」または「たとえば」などの用語の使用は、関係する概念を理解しやすいように特定の方式で提示することを意図されている。

【国際調査報告】