[go: up one dir, main page]

WO2022070363A1 - チャネル状態推定方法および基地局 - Google Patents

チャネル状態推定方法および基地局 Download PDF

Info

Publication number
WO2022070363A1
WO2022070363A1 PCT/JP2020/037331 JP2020037331W WO2022070363A1 WO 2022070363 A1 WO2022070363 A1 WO 2022070363A1 JP 2020037331 W JP2020037331 W JP 2020037331W WO 2022070363 A1 WO2022070363 A1 WO 2022070363A1
Authority
WO
WIPO (PCT)
Prior art keywords
module
csi
channel state
terminal
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2020/037331
Other languages
English (en)
French (fr)
Inventor
義顕 大藤
フェン ユー
リュー リュー
シュウフェイ ジェン
アンシン リ
裕之 川合
ラン チン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to PCT/JP2020/037331 priority Critical patent/WO2022070363A1/ja
Priority to EP20956291.7A priority patent/EP4224913A4/en
Publication of WO2022070363A1 publication Critical patent/WO2022070363A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Definitions

  • This disclosure relates to a channel state estimation method and a base station.
  • the O-RAN (Open Radio Access Network) Alliance was established with the aim of promoting the openness and intelligentization of radio access networks in the 5G era.
  • the O-RAN Alliance aims to realize intelligent RAN and optimization for the entire network by utilizing machine learning (see, for example, Non-Patent Document 1).
  • O-RAN stipulates the use of machine learning, but does not indicate a specific method of utilizing machine learning.
  • One aspect of the present disclosure is to estimate the channel state of wireless communication by using machine learning.
  • the wireless system receives channel state information from a terminal, inputs the channel state information to machine learning, and receives the next channel state information. It is to estimate the channel state.
  • the base station determines the channel state between the receiving unit that receives the channel state information from the terminal and the time when the channel state information is input to machine learning and the next channel state information is received. It has an estimation unit for estimating.
  • the channel state of wireless communication can be estimated by using machine learning.
  • FIG. 1 is a diagram illustrating an example of CSI feedback timing.
  • the base station schedules the communication of the terminal using the CSI fed back from the terminal. For example, the base station periodically transmits CSI-RS used for estimating (predicting) the channel state of the propagation path to the terminal.
  • the terminal estimates the channel state of the propagation path based on the received CSI-RS, and feeds back the CSI to the base station in UCI.
  • CSI fed back to the base station includes, for example, CQI, PMI, and RI.
  • the base station schedules the terminal using the CSI fed back from the terminal.
  • Terminal scheduling may include radio resource allocation, MCS selection, beam selection, and the like. Radio resource allocation may include resource distribution.
  • CSI is an abbreviation for Channel State Information.
  • CSI-RS is an abbreviation for CSI-Reference Signal.
  • UCI is an abbreviation for Uplink Control Information.
  • CQI is an abbreviation for Channel Quality Indicator.
  • PMI is an abbreviation for Precoding Matrix Indicator.
  • RI is an abbreviation for Rank Indicator.
  • MCS is an abbreviation for Modulation and coding Scheme.
  • the terminal feeds back the CSI, for example, at the timing of the double-headed arrow A1 shown in FIG.
  • the feedback period of CSI is, for example, 20 ms.
  • the base station schedules the terminal using the CSI fed back from the terminal.
  • the base station schedules terminals at the timing of the double-headed arrow A2 shown in FIG. 1, for example.
  • the scheduling cycle of the base station may be, for example, Transmission Time Interval (TTI).
  • TTI Transmission Time Interval
  • the cycle in which the terminal feeds back the CSI is longer than the cycle in which the base station schedules the terminal.
  • the base station estimates the CSI between the feedback cycles of the CSI and schedules the terminal using the estimated CSI.
  • the base station estimates the CSI indicated by the dotted arrow A3.
  • the base station schedules terminals using the estimated CSI between CSI feedback cycles.
  • FIG. 2 is a diagram illustrating an example of a CSI estimation method.
  • the solid arrow shown in FIG. 2 indicates the CSI fed back to the base station.
  • the CSI is fed back to the base station in a cycle of 10 ms.
  • the base station schedules terminals using the most recently fed back CSI. For example, the base station uses the CSI fed back to 90 ms to perform terminal scheduling at 91 ms, 92 ms, ..., 99 ms.
  • the base station schedules terminals based on the linear extrapolation of the two most recently fed back CSIs. For example, the base station performs terminal scheduling at 91 ms, 92 ms, ..., 99 ms based on the linear extrapolation of the two CSIs fed back to 80 ms and 90 ms.
  • the base station schedules terminals based on the weighted average of the two most recently fed back CSIs. For example, the base station performs terminal scheduling at 91 ms, 92 ms, ..., 99 ms based on the weighted average of the two CSIs fed back to 80 ms and 90 ms.
  • the accuracy of CSI estimation based on the linear interpolation shown in FIG. 2 may be low.
  • the position and moving speed of the terminal may change, and there may be a discrepancy between the estimated CSI and the CSI actually observed between the feedback cycles of the CSI. be.
  • machine learning is used for CSI estimation in the Medium Access Control (MAC) layer.
  • MAC Medium Access Control
  • FIG. 3 is a diagram showing a configuration example of the wireless system according to the present disclosure.
  • the wireless system includes a Central Unit (CU) 1, a Distributed Unit (DU) 2a, 2b, a terminal 3, a server 4, and a measurement terminal 5.
  • CU Central Unit
  • DU Distributed Unit
  • CU1 and DU2a, 2b may be referred to as base stations.
  • the base station may include a RadioUnit (RU, not shown).
  • CU1 may be referred to as, for example, a centralized node, a centralized node, a centralized station, a centralized station, or a centralized unit.
  • DU2a, 2b may be referred to as, for example, a distributed node, a distributed station, or a distributed unit.
  • the RU may be referred to as, for example, a radio device, a radio node, a radio station, an antenna unit, or a radio unit.
  • the server 4 may be located in a data center or the like, for example.
  • the server 4 communicates with the CU 1. Further, the server 4 communicates with the measurement terminal 5.
  • the measurement terminal 5 is mounted on a vehicle or the like, for example, and measures (collects) and stores the channel state (CSI) between the DU 2a and 2b.
  • the measurement terminal 5 transmits the collected CSI to the server 4.
  • the measurement terminal 5 may transmit the collected CSI to the server 4 via the DU2a, 2b and the CU1. Further, the measurement terminal 5 may transmit the collected CSI to the server 4 via another wireless system or wired system different from the DU2a, 2b and CU1, or via an external recording medium.
  • the wireless system has two operations, a training operation and an operation operation.
  • the wireless system generates a model of Neural Network (NN) in the training operation.
  • the generated model is implemented in CU1.
  • the wireless system estimates the CSI using the NN and schedules the terminal 3 in the operational operation.
  • NN Neural Network
  • the training operation may be referred to as a training process, offline, or learning phase.
  • Operational operations may be referred to as operating processes, online, or inference phases. Further, the training operation may be performed during the operation operation.
  • the training operation and operation operation of the wireless system will be described below. First, an example of training operation of a wireless system will be described.
  • the measurement terminal 5 measures (stores) the CSI between the DU 2a and 2b.
  • the measurement terminal 5 measures CSI at the timing of scheduling of CU1.
  • the measurement terminal 5 measures CSI at the timing (for example, TTI) shown by the double-headed arrow A2 in FIG.
  • the server 4 generates a training data set from the CSI measured by the measurement terminal 5 and generates an NN model.
  • the training data set is divided into training data and grand truth.
  • the training data is training data of the NN model.
  • Grand truth is data used for verification of learning results.
  • the training data corresponds to, for example, the CSI measured by the measuring terminal 5 (for example, the CSI measured at the timing of TTI), which is fed back to the CU 1 by the terminal 3.
  • the training data corresponds to the CSI obtained at the timing shown by the double-headed arrow A1 in FIG.
  • the grand truth is, for example, the CSI measured by the measurement terminal 5 excluding the training data.
  • Grand Truth is a CSI measured at TTI intervals, excluding training data. In other words, the grand truth corresponds to the CSI while the terminal 3 does not feed back to the CU1.
  • the server 4 expands (implements) the generated NN model to the NN of CU1.
  • the training data set may be referred to as learning data.
  • Training data may be referred to as input data or input values.
  • Grand truth may be referred to as teacher data, correct answer data, or correct answer value.
  • the NN model may be referred to as a model, a learning model, an AI model, or an AI prediction model.
  • the NN model includes NN weights.
  • model to be implemented in CU1 a model generated in another wireless system having a similar scenario may be used.
  • FIG. 4 is a diagram illustrating the operational operation of the wireless system.
  • FIG. 4 shows the CU 1, the DU 2a, and the terminal 3 shown in FIG.
  • the DU2a instructs the terminal 3 to measure the CSI.
  • DU2a directs the measurement of CSI, for example, in accordance with the Third Generation Partnership Project (3GPP) standard.
  • 3GPP Third Generation Partnership Project
  • the terminal 3 measures the channel state and transmits the CSI report to the DU2a.
  • DU2a sends CSI reports in accordance with, for example, the 3GPP standard.
  • DU2a transmits the CSI report transmitted in S12 to CU1.
  • CU1 stores the CSI report (most recent CSI report) transmitted in S13.
  • CU1 inputs the past CSI including the latest CSI into the NN and estimates the CSI in the current TTI.
  • the model generated by the training operation is developed in the NN of CU1.
  • the estimated CSI may be referred to as predictive data.
  • the CU 1 schedules the terminal 3 using the CSI estimated in S15.
  • a two-stage Artificial Intelligence (AI) algorithm using NN may be used.
  • the wireless system can process CSI data in real time by, for example, Graphics Processing Unit (GPU).
  • GPU Graphics Processing Unit
  • FIG. 5 is a diagram illustrating an example of machine learning applied to a wireless system.
  • machine learning includes, for example, A.I. NN architecture and B.
  • the loss function for determining the weight and C.I. It may be classified into the elements of data set processing.
  • the NN architecture is divided into, for example, a basic NN, a direction, a layer, and a method of constructing an element (neuron).
  • the basic NN includes, for example, Recurrent NN (RNN), Convolutional NN (CNN), and Full connected NN (FNN).
  • RNN Recurrent NN
  • CNN Convolutional NN
  • FNN Full connected NN
  • a two-stage NN may be used.
  • the CSI time series data is input in the first stage.
  • the first stage restores the CSI time series data to the Signal to Interference and Noise power Ratio (SINR) value before quantization.
  • FNN may be applied to the first stage.
  • the second stage estimates the future value of CSI based on the CSI time series data and SINR.
  • RNN may be applied to the second stage as a design for estimating the CSI series.
  • NW Network
  • the NN layer can be from 1 to several hundred.
  • the first stage may be composed of a plurality of layers.
  • the second stage may be composed of a single layer.
  • the element may be composed of one stage when estimating the future using a known one.
  • a two-stage encoder-decoder configuration may be used.
  • Loss function for determining weights Loss functions include Euclidean distance, softmax, contrasttive loss, and MSE. In this embodiment, a modified Hoover loss function may be used.
  • FIG. 6A and 6B are diagrams showing an example of an NN architecture applied to a wireless system.
  • FIG. 6A shows an example of the NN architecture in the training operation.
  • the NN architecture shown in FIG. 6A is implemented on the server 4.
  • FIG. 6B shows an example of the NN architecture in operational operation.
  • the NN architecture shown in FIG. 6B is implemented in CU1.
  • the NN may be composed of two stages (cascade) of FNN and RNN.
  • the "c" and " cp " of the NN shown in FIGS. 6A and 6B indicate the weight of the NN. Weights may be referred to as parameters.
  • the GRU shown in FIGS. 6A and 6B is a gated recurrent unit.
  • Training data is input to the FNN shown in FIG. 6A.
  • FNN restores the pre-quantization SINR based on the input training data.
  • Training data and SINR restored in FNN are input to the RNN of FIG. 6A.
  • the RNN outputs an estimate of CSI based on the training data and the restored SINR.
  • the CSI (estimated value) output from the NN and the grand truth are input to the loss function of FIG. 6A.
  • the loss function outputs an index (value) indicating how close the estimated value output by the model (NN) is to the ground truth.
  • the server 4 determines the weight of the NN based on the value of the loss function. For example, the server 4 determines the weight of the NN so that the value of the loss function becomes small.
  • the server 4 transmits the determined NN weight to the CU1.
  • the CU 1 expands the weight of the NN transmitted from the server 4 to the NN implemented in the CU 1.
  • the NN weight shown in FIG. 6B is a weight determined by the server 4.
  • the CSI transmitted from DU2a and 2b is input to the FNN shown in FIG. 6B. That is, the CSI fed back by the terminal 3 is input to the FNN shown in FIG. 6B.
  • FNN restores the pre-quantization SINR based on the input CSI.
  • the CSI fed back by the terminal 3 and the SINR restored in the FNN are input.
  • the RNN outputs a future CSI (estimated value) based on the CSI (past CSI including the latest) fed back by the terminal 3 and the restored SINR.
  • the scheduler of CU1 schedules the terminal 3 based on the CSI output from the NN.
  • FIG. 7 is a diagram illustrating a loss function.
  • FIG. 7 shows a modified Hoover loss function.
  • the horizontal axis ⁇ of the graph shown in FIG. 7 indicates the error between the estimated value of the model and the ground truth.
  • the vertical axis L indicates the value for the error of the deformed Hoover loss function.
  • the upper limit of the penalty is set in the modified Hoover loss function.
  • the value of the loss function can be kept from exceeding the upper limit of the penalty even if the absolute value of the error ⁇ between the model estimate and the ground truth is greater than ⁇ 2 .
  • the upper limit of the penalty can be made different between ⁇ ⁇ 0 and ⁇ > 0.
  • FIGS. 8A and 8B are diagrams illustrating an example of data set processing.
  • the data set processing may be divided into, for example, preprocessing and reprocessing.
  • FIG. 8A shows an example of pretreatment.
  • FIG. 8B shows an example of reprocessing.
  • the server 4 receives the measured value data of CSI for each TTI from the measurement terminal 5. As shown in FIG. 8A, the server 4 applies a sliding window to the received measured value data and generates a training data set. Further, the server 4 executes a mapping process of input / output data (a process of associating the training data with the ground truth) and generates a training data set. In addition, the server 4 deletes data inappropriate for training and generates a training data set.
  • the training data set may include a plurality of different outputs (ground truth) for one input (training data).
  • the server 4 averages the different outputs, as shown in the right figure of FIG. 8B.
  • FIG. 9 is a diagram illustrating the performance evaluation of the communication system.
  • the moving speed shown in FIG. 9 indicates the moving speed of the terminal.
  • the CSI feedback cycle indicates a cycle in which the terminal feeds back the CSI to the base station.
  • the evaluation item is throughput.
  • FIG. 9 shows an evaluation item when the CSI is estimated by the method (A) of FIG. 2, an evaluation item when the CSI is estimated by the method (C) of FIG. 2, and machine learning according to the present embodiment.
  • the evaluation items when the CSI is estimated using the above are shown. Further, FIG. 9 shows evaluation items when the CSI is ideally estimated.
  • the throughput at high speed movement (120 km / h) of the terminal is increased by 18.9% and 21.1% as compared with the method of FIG. 2 (A). bottom. This corresponds to about 1/3 (18.9 / 56.2, 21.1 / 56.6) of the total room for improvement.
  • the throughput at low speed movement (3 km / h) of the terminal is increased by 10.8% as compared with the method of FIG. 2 (A). This corresponds to about 1/2 (10.8 / 22.5) of the total room for improvement.
  • FIG. 10 is a diagram showing a reference architecture of O-RAN.
  • the O-RAN has the architecture shown in FIG. RIC shown in FIG. 10 is an abbreviation for RAN Intelligent Controller.
  • CP is an abbreviation for Control Plane.
  • MANO is an abbreviation for Management and Orchestration.
  • NMS is an abbreviation for Network Management System.
  • NFVI is an abbreviation for Network Functions Virtualization Infrastructure.
  • ONAP is an abbreviation for Open Network Automation Platform.
  • PDCP is an abbreviation for Packet Data Convergence Protocol.
  • PHY is an abbreviation for PHYsical layer.
  • RAT is an abbreviation for Radio Access Technology.
  • RF is an abbreviation for Radio Frequency.
  • RLC is an abbreviation for Radio Link Control.
  • RRC is an abbreviation for Radio Link Control.
  • SDAP is an abbreviation for Service Data Adaptation Protocol.
  • UP is an
  • RIC is a control unit responsible for making RAN intelligent. RIC is divided into non-real-time (> 1s) and real-time ( ⁇ 1s).
  • Non-real-time RIC performs policy management, RAN analysis, and AI-based function management.
  • An A1 interface is defined between the network maintenance infrastructure that controls orchestration and automation including non-real-time RIC and gNB / eNB that includes real-time RIC.
  • Real-time RIC is a layer that provides intelligent Radio Resource Management (RRM) functions.
  • Real-time RIC is expected to provide functions such as Quality of Service (QoS) management and seamless handover control in addition to the provision of traditional RRM functions such as load balancing and Resource Block (RB) management for each User Equipment (UE). ..
  • QoS Quality of Service
  • RB Resource Block
  • UE User Equipment
  • Multi-RAT CU protocol stack is a functional layer that supports various protocol hierarchies including multiple 4G and 5G wireless accesses.
  • the Multi-RAT CU protocol stack supports virtualization and has a function to execute commands from a non-real-time RIC.
  • the Multi-RAT CU protocol stack supports the F1 / W1 / E1 / X2 / Xn interfaces specified in 3GPP.
  • O-DU / O-RU performs real-time layer2 (L2) function, baseband signal processing, and wireless signal processing.
  • L2 real-time layer2
  • a front hole interface is defined between the O-DU and the O-RU.
  • FIG. 11 is a diagram showing an example of a functional block of a wireless system. As shown in FIG. 11, the wireless system has modules A, B, C. Module A and module C transmit data via the interface IF1. Module A and module B transmit data via the interface IF2. Module B and module C transmit data via the interface IF3.
  • Module A may be referred to as a Non-RT RIC layer. RT is an abbreviation for Real Time. Module A is mounted on the server 4.
  • Module A collects CSI collected in the lower layer (module C). In other words, the module A collects the CSI fed back from the terminal 3 in the operation operation. Module A also collects the actual CSI. In other words, the module A collects the CSI that is the source of the training data set measured by the measuring terminal 5 in the training operation. Module A has an ML Training function, trains (generates) a model using an actual CSI, and deploys the trained model to module B.
  • ML is an abbreviation for Machine Learning.
  • Module B may be referred to as a Near-RT RIC / Modular CU (MCU) layer. Module B is mounted on CU1.
  • MCU Modular CU
  • Module B has an ML inference function.
  • the ML inference function is realized based on the model trained in module A. For example, module B expands the model trained in module A to NN and realizes the ML inference function.
  • Module B estimates the CSI based on the ML inference function and the CSI collected by the module C. In other words, the module B estimates the CSI based on the CSI fed back from the terminal 3 in the operation operation. Module B transmits the estimated CSI to Module C.
  • Module C may be referred to as an O-DU / O-CU layer. Module C is mounted on CU1, DU2a, 2b, and the measurement terminal 5.
  • Module C schedules terminal 3 based on the CSI estimated in module B. For example, module C executes processing such as allocation of radio resources to terminal 3, selection of MCS, and selection of beam based on the CSI estimated in module B.
  • Module C collects CSI fed back from the terminal 3. Module C also collects the CSI that is the source of the training data set.
  • Interface IF1 may be referred to as an O1 interface.
  • Interface IF1 transmits the CSI collected in the lower layer. Further, the interface IF1 transmits the actual CSI.
  • Interface IF2 may be referred to as A1 interface. Interface IF2 transmits the trained model.
  • model performance is transmitted in the interface IF2.
  • Model performance is the evaluation of the model after the operation of the wireless system.
  • model performance is an indicator of how accurate the CSI estimated by the model was.
  • the model performance is generated by module B and fed back to model A via interface IF2.
  • Interface IF3 may be referred to as an E2 interface.
  • the CSI estimated by the module B (distribution of the estimation result of the CSI) is transmitted.
  • the CSI fed back from the terminal 3 is transmitted.
  • Module C may schedule terminals based on the CSI and SINR transmitted on interface IF3.
  • FIG. 12 is a diagram illustrating an example of a functional block of a wireless system.
  • the wireless system estimates the channel state between the base station and the terminal using machine learning, and performs scheduling using the estimated channel state.
  • the radio system uses the estimated channel state to perform processes such as allocation of radio resources to terminals, selection of MCS, and beam selection.
  • the wireless system has three modules A, B, and C. Interfaces IF1, IF2, and IF3 are defined between the three modules.
  • module A receives past channel information from module C and generates a data set (training data set). In other words, the module A uses the CSI measured by the measuring terminal 5 to generate a data set. Module A trains the model with the generated dataset. Module A sends the trained model to Module B.
  • Module A receives the model performance fed back from module B.
  • Module A may train the model using the received model performance.
  • module B receives the model from module A.
  • Module B receives real-time channel information (channel state information) from module C.
  • the module B receives the CSI fed back from the terminal 3 from the module C.
  • Module B uses the model and real-time channel information to estimate the channel state between the base station and the terminal.
  • Module B transmits the estimated channel state (estimated data) to module C.
  • Module B feeds back the model performance to Module A.
  • module C receives estimated data from module B.
  • Module C uses the received estimated data to perform scheduling.
  • Module C collects real-time channel information and sends it to Module B.
  • module C collects past channel information and reports it to module A.
  • Module C collects the CSI from which the training data set is based.
  • the model generated by the module A is transmitted in the interface IF2.
  • the model transmitted by the interface IF2 may be model update information.
  • the model transmitted by the interface IF2 may be difference information regarding the difference between the models.
  • the changed weight may be transmitted on the interface IF2.
  • the model performance information fed back from the module B to the module A is transmitted.
  • the interface IF1 transmits the past channel information collected by the module C.
  • the estimated data estimated by the module B is transmitted in the interface IF3.
  • the real-time channel information collected by the module C is transmitted.
  • FIG. 13 is a diagram illustrating an example of a functional block of a wireless system. As shown in FIG. 13, the interface IF1 transmits past channel information for NN training (including CQI, PMI, RI, etc., and further including ideal values).
  • NN training including CQI, PMI, RI, etc., and further including ideal values.
  • Model information is transmitted in interface IF2.
  • the model information all the information of the model may be transmitted, or the difference information may be transmitted.
  • the interface IF2 transmits feedback information on the model performance.
  • Interface IF3 transmits the estimation result (channel state estimated by module B).
  • the estimation result may include the restored SINR in addition to the channel state.
  • the interface IF3 transmits current channel information (including CQI, PMI, RI, etc.) that is periodic or aperiodic.
  • Module A collects channel information and ideal estimation information from module C. Also, module A trains the model and sends the trained model to module B. Module A receives model performance feedback from module B.
  • Module B receives the model from module A. Module B performs channel information estimation. Module B transmits the estimated channel information to Module C.
  • Module C receives the estimation result of the channel information from module B. Module C uses the estimation result of the channel information to control the subsequent communication.
  • FIG. 14 is a diagram illustrating an example of control timing of a wireless system.
  • FIG. 14 shows the architecture of the wireless system.
  • Loop1 shown in FIG. 14 indicates a processing cycle in O-DU and O-RU.
  • the processing cycle of Loop1 is TTI.
  • Loop2 indicates the processing cycle in the real-time RIC.
  • the processing cycle of Loop2 is 10 to 500 msec.
  • the real-time RIC uses machine learning to estimate the CSI during the processing cycle.
  • the processing cycle of Loop2 is 10 msec.
  • the real-time RIC uses machine learning to estimate the CSI during 10 msec (eg, 1 msec interval, etc., CSI per TTI).
  • Loop3 indicates the processing cycle in the non-real-time RIC.
  • the processing cycle of Loop3 is larger than 500 msec.
  • FIG. 15 is a diagram showing an example of CU and DU architecture.
  • O-RAN supports low layer division of CU / DU in the physical layer of New Radio (NR).
  • NR New Radio
  • the physical layer is divided into a high-PHY and a low-PHY.
  • the High-PHY is implemented in the CU and the Low-PHY is implemented in the DU.
  • Layers higher than High-PHY are implemented in CU.
  • MAC, PLC, PDCP, and RRC are implemented in CU.
  • the wireless system receives the channel state information from the terminal, inputs the channel state information to machine learning, and estimates the channel state until the next channel state information is received. This allows the wireless system to estimate the channel state of wireless communication using machine learning.
  • the function of the server 4 may be realized by the CU 1. That is, the CU 1 may have a machine learning training function.
  • the measurement terminal 5 may collect CSI and SINR.
  • Server 4 may generate a model that estimates CSI and SINR.
  • the CU 1 may schedule the terminal 3 using a model that estimates CSI and SINR. Further, in the above, inference may be paraphrased as prediction, estimation, forecast, or the like.
  • the NN model implemented in CU1 of FIG. 3 may correspond to, for example, "Near RT RIC" shown in FIGS. 10 and 11.
  • the training data set creation and NN model training in S2 of FIG. 3 may correspond to, for example, “Non RT RIC” shown in FIGS. 10 and 11.
  • the interface for transferring the data acquired in S1 of FIG. 3 to "Non RT RIC" may correspond to, for example, the O1 interface of FIG.
  • the data acquired in S1 of FIG. 3 may be accumulated.
  • CU1 may include O-CU and NearRTRIC.
  • each functional block is realized by any combination of at least one of hardware and software.
  • the method of realizing each functional block is not particularly limited. That is, each functional block may be realized using one physically or logically coupled device, or two or more physically or logically separated devices can be directly or indirectly (eg, for example). , Wired, wireless, etc.) and may be realized using these plurality of devices.
  • the functional block may be realized by combining the software with the one device or the plurality of devices.
  • Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, search, confirmation, reception, transmission, output, access, solution, selection, selection, establishment, comparison, assumption, expectation, and assumption. Broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, assigning, etc., but limited to these I can't.
  • a functional block (configuration unit) that makes transmission function is called a transmitting unit (transmitting unit) or a transmitter (transmitter).
  • the realization method is not particularly limited.
  • the CU 1, DU2a, 2b, the terminal 3, the server 4, the measurement terminal 5, and the like in the embodiment of the present disclosure may function as a computer that processes the wireless communication method of the present disclosure.
  • FIG. 16 is a diagram showing an example of the hardware configuration of the CU 1, DU 2a, 2b, the terminal 3, the server 4, and the measurement terminal 5.
  • the above-mentioned CU1, DU2a, 2b, terminal 3, server 4, and measurement terminal 5 physically include a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input unit 1005, an output unit 1006, a bus 1007, and the like. It may be configured as a computer device including.
  • the word “device” can be read as a circuit, device, unit, etc.
  • the hardware configuration of the CU 1, DU 2a, 2b, terminal 3, server 4, and measurement terminal 5 may be configured to include one or more of the devices shown in the figure, or may include some devices. It may be configured without.
  • the processor 1001 For each function in the CU1, DU2a, 2b, terminal 3, server 4, and measurement terminal 5, the processor 1001 performs an operation by loading predetermined software (program) on hardware such as the processor 1001 and the memory 1002. This is achieved by controlling communication by the communication device 1004 and controlling at least one of reading and writing of data in the memory 1002 and the storage 1003.
  • the functions of the modules A, B, and C may be realized by the processor 1001.
  • the processor 1001 operates, for example, an operating system to control the entire computer.
  • the processor 1001 may be configured by a central processing unit (CPU: Central Processing Unit) including an interface with a peripheral device, a control device, an arithmetic unit, a register, and the like.
  • CPU Central Processing Unit
  • the processor 1001 reads a program (program code), a software module, data, etc. from at least one of the storage 1003 and the communication device 1004 into the memory 1002, and executes various processes according to these.
  • a program program that causes a computer to execute at least a part of the operations described in the above-described embodiment is used.
  • the CU 1, DU2a, 2b, the terminal 3, the server 4, and the measurement terminal 5 may be realized by a control program stored in the memory 1002 and operating in the processor 1001, and the other functional blocks may be realized in the same manner. May be done.
  • the various processes described above are executed by one processor 1001, they may be executed simultaneously or sequentially by two or more processors 1001.
  • Processor 1001 may be mounted by one or more chips.
  • the program may be transmitted from the network via a telecommunication line.
  • the memory 1002 is a computer-readable recording medium, and is composed of at least one such as a ROM (Read Only Memory), an EPROM (Erasable Programmable ROM), an EEPROM (Electrically Erasable Programmable ROM), and a RAM (Random Access Memory). May be done.
  • the memory 1002 may be referred to as a register, a cache, a main memory (main storage device), or the like.
  • the memory 1002 can store a program (program code), a software module, or the like that can be executed to implement the wireless communication method according to the embodiment of the present disclosure.
  • the storage 1003 is a computer-readable recording medium, and is, for example, an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, an optical magnetic disk (for example, a compact disk, a digital versatile disk, or a Blu-ray). It may consist of at least one (registered trademark) disk), smart card, flash memory (eg, card, stick, key drive), floppy (registered trademark) disk, magnetic strip, and the like.
  • the storage 1003 may be referred to as an auxiliary storage device.
  • the storage medium described above may be, for example, a database, server or other suitable medium containing at least one of the memory 1002 and the storage 1003.
  • the communication device 1004 is hardware (transmission / reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as, for example, a network device, a network controller, a network card, a communication module, or the like.
  • the communication device 1004 includes, for example, a high frequency switch, a duplexer, a filter, a frequency synthesizer, and the like in order to realize at least one of frequency division duplex (FDD: Frequency Division Duplex) and time division duplex (TDD: Time Division Duplex). It may be composed of.
  • FDD Frequency Division Duplex
  • TDD Time Division Duplex
  • the interfaces 1, 2, and 3 may be realized by the communication device 1004.
  • An input device for example, a key device, a mouse, a microphone, a switch, a button, a sensor, etc.
  • an operation device for example, a dial
  • An output device for example, a display, a speaker, an LED lamp, etc.
  • the input device and the output device connected to the input unit 1005 and the output unit 1006 may be an integrated device (for example, a touch panel).
  • each device such as the processor 1001 and the memory 1002 is connected by the bus 1007 for communicating information.
  • the bus 1007 may be configured by using a single bus, or may be configured by using a different bus for each device.
  • the CU1, DU2a, 2b, terminal 3, server 4, and measurement terminal 5 include a microprocessor, a digital signal processor (DSP: Digital Signal Processor), an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), and the like. It may be configured to include hardware such as FPGA (Field Programmable Gate Array), and a part or all of each functional block may be realized by the hardware. For example, processor 1001 may be implemented using at least one of these hardware.
  • information notification includes physical layer signaling (eg, DCI (Downlink Control Information), UCI (Uplink Control Information)), higher layer signaling (eg, RRC (Radio Resource Control) signaling, MAC (Medium Access Control) signaling, etc. It may be carried out by broadcast information (MIB (Master Information Block), SIB (System Information Block)), other signals or a combination thereof.
  • RRC signaling may also be referred to as an RRC message, for example, RRC. It may be a connection setup (RRC Connection Setup) message, an RRC connection reconfiguration (RRC Connection Reconfiguration) message, or the like.
  • Each aspect / embodiment described in the present disclosure includes LTE (Long Term Evolution), LTE-A (LTE-Advanced), SUPER 3G, IMT-Advanced, 4G (4th generation mobile communication system), and 5G (5th generation mobile communication).
  • system FRA (Future Radio Access), NR (new Radio), W-CDMA (registered trademark), GSM (registered trademark), CDMA2000, UMB (Ultra Mobile Broadband), IEEE 802.11 (Wi-Fi (registered trademark)) )), LTE 802.16 (WiMAX®), IEEE 802.20, UWB (Ultra-WideBand), Bluetooth®, and other systems that utilize and extend based on these. It may be applied to at least one of the next generation systems. Further, a plurality of systems may be applied in combination (for example, a combination of at least one of LTE and LTE-A and 5G).
  • the specific operation performed by the base station in the present disclosure may be performed by its upper node.
  • various operations performed for communication with the terminal are the base station and other network nodes other than the base station (eg, MME or). It is clear that it can be done by at least one of (but not limited to, S-GW, etc.).
  • S-GW network node
  • the case where there is one network node other than the base station is illustrated above, it may be a combination of a plurality of other network nodes (for example, MME and S-GW).
  • Information and the like can be output from the upper layer (or lower layer) to the lower layer (or upper layer).
  • Input / output may be performed via a plurality of network nodes.
  • the input / output information and the like may be stored in a specific place (for example, a memory), or may be managed using a management table. Information to be input / output may be overwritten, updated, or added. The output information and the like may be deleted. The input information or the like may be transmitted to another device.
  • ⁇ Judgment method> The determination may be made by a value represented by 1 bit (0 or 1), by a boolean value (Boolean: true or false), or by comparing numerical values (for example, a predetermined value). It may be done by comparison with the value).
  • each aspect / embodiment described in the present disclosure may be used alone, in combination, or may be switched and used according to the execution.
  • the notification of predetermined information (for example, the notification of "being X") is not limited to the explicit one, but is performed implicitly (for example, the notification of the predetermined information is not performed). May be good.
  • Software whether called software, firmware, middleware, microcode, hardware description language, or other names, is an instruction, instruction set, code, code segment, program code, program, subprogram, software module.
  • Applications, software applications, software packages, routines, subroutines, objects, executable files, execution threads, procedures, features, etc. should be broadly interpreted.
  • software, instructions, information, etc. may be transmitted and received via a transmission medium.
  • a transmission medium For example, a website where the software uses at least one of wired technology (coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL: Digital Subscriber Line), etc.) and wireless technology (infrared, microwave, etc.).
  • wired technology coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL: Digital Subscriber Line), etc.
  • wireless technology infrared, microwave, etc.
  • ⁇ Information, signals> The information, signals, etc. described in this disclosure may be represented using any of a variety of different techniques. For example, data, instructions, commands, information, signals, bits, symbols, chips, etc. that may be referred to throughout the above description are voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these. It may be represented by a combination of.
  • a channel and a symbol may be a signal (signaling).
  • the signal may be a message.
  • the component carrier CC: Component Carrier
  • CC Component Carrier
  • the information, parameters, etc. described in the present disclosure may be expressed using an absolute value, a relative value from a predetermined value, or another corresponding information. It may be represented.
  • the radio resource may be one indicated by an index.
  • Base Station In the present disclosure, “Base Station (BS)", “Wireless Base Station”, “Fixed Station”, “NodeB”, “eNodeB (eNB)”, “gNodeB (gNB)", “"Accesspoint”,”transmissionpoint”,”receptionpoint”,”transmission / reception point”, “cell”, “sector”, “cell group”, “cell group” Terms such as “carrier” and “component carrier” may be used interchangeably. Base stations are sometimes referred to by terms such as macrocells, small cells, femtocells, and picocells.
  • the base station can accommodate one or more (eg, 3) cells. When a base station accommodates multiple cells, the entire base station coverage area can be divided into multiple smaller areas, each smaller area being a base station subsystem (eg, a small indoor base station (RRH:)). Communication services can also be provided by (Remote Radio Head).
  • the term "cell” or “sector” is a part or all of the coverage area of at least one of the base stations and base station subsystems that provide communication services in this coverage. Point to.
  • MS mobile station
  • UE user equipment
  • terminal terminal
  • Mobile stations can be used by those skilled in the art as subscriber stations, mobile units, subscriber units, wireless units, remote units, mobile devices, wireless devices, wireless communication devices, remote devices, mobile subscriber stations, access terminals, mobile terminals, wireless. It may also be referred to as a terminal, remote terminal, handset, user agent, mobile client, client, or some other suitable term.
  • At least one of a base station and a mobile station may be referred to as a transmitting device, a receiving device, a communication device, or the like. At least one of the base station and the mobile station may be a device mounted on the mobile body, a mobile body itself, or the like.
  • the moving body may be a vehicle (eg, car, airplane, etc.), an unmanned moving body (eg, drone, self-driving car, etc.), or a robot (manned or unmanned). ) May be.
  • at least one of the base station and the mobile station includes a device that does not necessarily move during communication operation.
  • at least one of a base station and a mobile station may be an IoT (Internet of Things) device such as a sensor.
  • IoT Internet of Things
  • the base station in the present disclosure may be read by the user terminal.
  • the communication between the base station and the user terminal is replaced with the communication between a plurality of user terminals (for example, it may be called D2D (Device-to-Device), V2X (Vehicle-to-Everything), etc.).
  • D2D Device-to-Device
  • V2X Vehicle-to-Everything
  • Each aspect / embodiment of the present disclosure may be applied to the configuration.
  • the user terminal may have the function of the above-mentioned base station.
  • the words such as "up” and “down” may be read as words corresponding to the communication between terminals (for example, "side”).
  • the upstream channel, the downstream channel, and the like may be read as a side channel.
  • the user terminal in the present disclosure may be read as a base station.
  • the base station may have the functions of the above-mentioned user terminal.
  • determining and “determining” used in this disclosure may include a wide variety of actions.
  • “Judgment” and “decision” are, for example, judgment (judging), calculation (calculating), calculation (computing), processing (processing), derivation (deriving), investigation (investigating), search (looking up, search, inquiry). It may include (eg, searching in a table, database or another data structure), ascertaining as “judgment” or “decision”.
  • judgment” and “decision” are receiving (for example, receiving information), transmitting (for example, transmitting information), input (input), output (output), and access.
  • Accessing for example, accessing data in memory
  • judgment may be regarded as “judgment” or “decision”.
  • judgment and “decision” are considered to be “judgment” and “decision” when they are resolved, selected, selected, established, and compared. Can include. That is, “judgment” and “decision” may include considering some action as “judgment” and “decision”. Further, “judgment (decision)” may be read as “assuming", “expecting”, “considering” and the like.
  • connection means any direct or indirect connection or connection between two or more elements and each other. It can include the presence of one or more intermediate elements between two “connected” or “combined” elements.
  • the connection or connection between the elements may be physical, logical, or a combination thereof.
  • connection may be read as "access”.
  • the two elements use at least one of one or more wires, cables and printed electrical connections, and as some non-limiting and non-comprehensive examples, the radio frequency domain. Can be considered to be “connected” or “coupled” to each other using electromagnetic energy having wavelengths in the microwave and light (both visible and invisible) regions.
  • the reference signal may be abbreviated as RS (Reference Signal) and may be referred to as a pilot (Pilot) according to the applied standard.
  • RS Reference Signal
  • Pilot pilot
  • the radio frame may be composed of one or more frames in the time domain. Each one or more frames in the time domain may be referred to as a subframe.
  • the subframe may be further composed of one or more slots in the time domain.
  • the subframe may have a fixed time length (eg, 1 ms) that does not depend on numerology.
  • the numerology may be a communication parameter applied to at least one of transmission and reception of a signal or channel.
  • Numerology includes, for example, subcarrier interval (SCS: SubCarrier Spacing), bandwidth, symbol length, cyclic prefix length, transmission time interval (TTI: Transmission Time Interval), number of symbols per TTI, wireless frame configuration, transmission / reception. It may indicate at least one of a specific filtering process performed by the machine in the frequency domain, a specific windowing process performed by the transmitter / receiver in the time domain, and the like.
  • the slot may be composed of one or more symbols (OFDM (Orthogonal Frequency Division Multiplexing) symbol, SC-FDMA (Single Carrier Frequency Division Multiple Access) symbol, etc.) in the time region. Slots may be unit of time based on numerology.
  • OFDM Orthogonal Frequency Division Multiplexing
  • SC-FDMA Single Carrier Frequency Division Multiple Access
  • the slot may include a plurality of mini slots. Each minislot may be composed of one or more symbols in the time domain. Further, the mini slot may be referred to as a sub slot. The minislot may consist of a smaller number of symbols than the slot.
  • the PDSCH (or PUSCH) transmitted in time units larger than the minislot may be referred to as PDSCH (or PUSCH) mapping type A.
  • the PDSCH (or PUSCH) transmitted using the minislot may be referred to as PDSCH (or PUSCH) mapping type B.
  • the wireless frame, subframe, slot, minislot and symbol all represent the time unit when transmitting a signal.
  • the radio frame, subframe, slot, minislot and symbol may have different names corresponding to each.
  • one subframe may be called a transmission time interval (TTI), a plurality of consecutive subframes may be called TTI, and one slot or one minislot may be called TTI.
  • TTI transmission time interval
  • You may. That is, at least one of the subframe and TTI may be a subframe (1 ms) in existing LTE, a period shorter than 1 ms (eg, 1-13 symbols), or a period longer than 1 ms. May be.
  • the unit representing TTI may be called a slot, a mini slot, or the like instead of a subframe.
  • TTI refers to, for example, the minimum time unit of scheduling in wireless communication.
  • the base station schedules each user terminal to allocate radio resources (frequency bandwidth that can be used in each user terminal, transmission power, etc.) in TTI units.
  • the definition of TTI is not limited to this.
  • TTI may be a transmission time unit such as a channel-encoded data packet (transport block), a code block, or a code word, or may be a processing unit such as scheduling or link adaptation.
  • the time interval for example, the number of symbols
  • the transport block, code block, code word, etc. may be shorter than the TTI.
  • one or more TTIs may be the minimum time unit for scheduling. Further, the number of slots (number of mini-slots) constituting the minimum time unit of the scheduling may be controlled.
  • a TTI having a time length of 1 ms may be referred to as a normal TTI (TTI in LTE Rel. 8-12), a normal TTI, a long TTI, a normal subframe, a normal subframe, a long subframe, a slot, or the like.
  • a TTI shorter than a normal TTI may be referred to as a shortened TTI, a short TTI, a partial TTI (partial or fractional TTI), a shortened subframe, a short subframe, a minislot, a subslot, a slot, or the like.
  • the long TTI (eg, normal TTI, subframe, etc.) may be read as a TTI having a time length of more than 1 ms
  • the short TTI eg, shortened TTI, etc.
  • TTI having the above TTI length may be read as TTI having the above TTI length.
  • the resource block (RB) is a resource allocation unit in the time domain and the frequency domain, and may include one or a plurality of continuous subcarriers in the frequency domain.
  • the number of subcarriers contained in the RB may be the same regardless of the numerology, and may be, for example, 12.
  • the number of subcarriers contained in the RB may be determined based on numerology.
  • the time domain of the RB may include one or more symbols, and may have a length of 1 slot, 1 mini slot, 1 subframe, or 1 TTI.
  • Each 1TTI, 1 subframe, etc. may be composed of one or a plurality of resource blocks.
  • One or more RBs include a physical resource block (PRB: Physical RB), a sub-carrier group (SCG: Sub-Carrier Group), a resource element group (REG: Resource Element Group), a PRB pair, an RB pair, and the like. May be called.
  • PRB Physical resource block
  • SCG Sub-Carrier Group
  • REG Resource Element Group
  • PRB pair an RB pair, and the like. May be called.
  • the resource block may be composed of one or a plurality of resource elements (RE: Resource Element).
  • RE Resource Element
  • 1RE may be a radio resource area of 1 subcarrier and 1 symbol.
  • the bandwidth part (BWP: Bandwidth Part) (which may also be called partial bandwidth) may represent a subset of consecutive common resource blocks (RBs) for a certain neurology in a carrier. good.
  • the common RB may be specified by the index of the RB with respect to the common reference point of the carrier.
  • PRBs may be defined in a BWP and numbered within that BWP.
  • the BWP may include a BWP for UL (UL BWP) and a BWP for DL (DL BWP).
  • UL BWP UL BWP
  • DL BWP DL BWP
  • One or more BWPs may be set in one carrier for the UE.
  • At least one of the configured BWPs may be active and the UE may not expect to send or receive a given signal / channel outside the active BWP.
  • “cell”, “carrier” and the like in this disclosure may be read as “BWP”.
  • the above-mentioned structures such as wireless frames, subframes, slots, mini-slots and symbols are merely examples.
  • the number of subframes contained in a radio frame the number of slots per subframe or radio frame, the number of minislots contained within a slot, the number of symbols and RBs contained in a slot or minislot, included in the RB.
  • the number of subcarriers, the number of symbols in the TTI, the symbol length, the cyclic prefix (CP: Cyclic Prefix) length, and other configurations can be changed in various ways.
  • the "maximum transmit power" described in the present disclosure may mean the maximum value of the transmit power, may mean the nominal UE maximum transmit power, or may mean the nominal UE maximum transmit power (the nominal UE maximum transmit power). It may mean the rated UE maximum transmit power).
  • One aspect of the present disclosure is useful for wireless systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

チャネル状態推定方法であって、無線システムは、端末からチャネル状態情報を受信し、チャネル状態情報を機械学習に入力して、次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定する。

Description

チャネル状態推定方法および基地局
　本開示は、チャネル状態推定方法および基地局に関する。
　Ｏ－ＲＡＮ（Open Radio Access Network）アライアンスは、５Ｇ時代における無線アクセスネットワークのオープン化とインテリジェント化の推進とを目的に設立された。Ｏ－ＲＡＮアライアンスでは、機械学習の活用により、ＲＡＮのインテリジェント化およびネットワーク全体での最適化の実現を目指している（例えば、非特許文献１を参照）。
安部田貞行他、"Ｏ－ＲＡＮ　Ａｌｌｉａｎｃｅ標準化動向"、ＮＴＴ　ＤＯＣＯＭＯテクニカルジャーナル、ｖｏｌ．２７、Ｎｏ．１、ｐｐ．８－１３、Ａｐｒ．２０１９
　Ｏ－ＲＡＮでは、機械学習を用いることを規定しているが、機械学習の具体的な活用方法は示されていない。
　本開示の一態様は、機械学習を用いて、無線通信のチャネル状態を推定することにある。
　本開示の一態様に係るチャネル状態推定方法は、無線システムは、端末からチャネル状態情報を受信し、前記チャネル状態情報を機械学習に入力して、次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定する、ことにある。
　本開示の一態様に係る基地局は、端末からチャネル状態情報を受信する受信部と、前記チャネル状態情報を機械学習に入力して、次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定する推定部と、を有する。
　本開示によれば、機械学習を用いて、無線通信のチャネル状態を推定できる。
ＣＳＩのフィードバックのタイミング例を説明する図である。 ＣＳＩの推定方法の例を説明する図である。 本開示に係る無線システムの構成例を示した図である。 無線システムの運用動作を説明する図である。 無線システムに適用される機械学習の一例を説明する図である。 無線システムに適用されるＮＮアーキテクチャの一例を示した図である。 無線システムに適用されるＮＮアーキテクチャの一例を示した図である。 ウェイトを決めるための損失関数を説明する図である。 データセット処理の一例を説明する図である。 データセット処理の一例を説明する図である。 通信システムの性能評価を説明する図である。 Ｏ－ＲＡＮの参照アーキテクチャを示す図である。 無線システムの機能ブロックの一例を示した図である。無線システムの機能ブロックを説明する図である。 無線システムの機能ブロックの一例を説明する図である。 無線システムの機能ブロックの一例を説明する図である。 無線システムの制御タイミングの一例を説明する図である。 ＣＵおよびＤＵのアーキテクチャ例を示した図である。 ＣＵ、ＤＵ、端末、サーバ、および測定用端末のハードウェア構成の一例を示した図である。
　以下、本開示の実施の形態を、図面を参照して説明する。
　図１は、ＣＳＩのフィードバックのタイミング例を説明する図である。基地局は、端末からフィードバックされるＣＳＩを用いて、端末の通信をスケジューリングする。例えば、基地局は、端末に対し、伝搬路のチャネル状態の推定（予測）に用いるＣＳＩ－ＲＳを周期的に送信する。端末は、受信したＣＳＩ－ＲＳに基づいて、伝搬路のチャネル状態を推定し、ＣＳＩをＵＣＩにおいて基地局にフィードバックする。基地局にフィードバックされるＣＳＩには、例えば、ＣＱＩ、ＰＭＩ、およびＲＩが含まれる。基地局は、端末からフィードバックされたＣＳＩを用いて、端末をスケジューリングする。端末のスケジューリングには、無線リソースの割り当て、ＭＣＳの選択、およびビーム選択等が含まれてもよい。無線リソースの割り当てには、リソースの分配が含まれてもよい。
　なお、ＣＳＩは、Channel State Informationの略である。ＣＳＩ－ＲＳは、CSI-Reference Signalの略である。ＵＣＩは、Uplink Control Informationの略である。ＣＱＩは、Channel Quality Indicatorの略である。ＰＭＩは、Precoding Matrix Indicatorの略である。ＲＩは、Rank Indicatorの略である。ＭＣＳは、Modulation and coding Schemeの略である。
　端末は、例えば、図１に示す両矢印Ａ１のタイミングにおいてＣＳＩをフィードバックする。ＣＳＩのフィードバック周期は、例えば、２０ｍｓである。
　基地局は、端末からフィードバックされたＣＳＩを用いて、端末をスケジューリングする。基地局は、例えば、図１に示す両矢印Ａ２のタイミングで端末をスケジューリングする。基地局のスケジューリング周期は、例えば、Transmission Time Interval（ＴＴＩ）であってもよい。
　図１の両矢印Ａ１および両矢印Ａ２に示すように、端末がＣＳＩをフィードバックする周期は、基地局が端末をスケジューリングする周期より長い。基地局は、ＣＳＩのフィードバック周期の合間においては、ＣＳＩを推定し、推定したＣＳＩを用いて端末をスケジューリングする。
　例えば、基地局は、点線の矢印Ａ３に示すＣＳＩを推定する。基地局は、ＣＳＩのフィードバック周期の合間においては、推定したＣＳＩを用いて、端末をスケジューリングする。
　図２は、ＣＳＩの推定方法の例を説明する図である。図２に示す実線の矢印は、基地局にフィードバックされるＣＳＩを示す。図２の例の場合、ＣＳＩは、１０ｍｓの周期で基地局にフィードバックされる。
　図２の（Ａ）では、基地局は、直近にフィードバックされたＣＳＩを用いて端末をスケジューリングする。例えば、基地局は、９０ｍｓにフィードバックされたＣＳＩを用いて、９１ｍｓ，９２ｍｓ，…，９９ｍｓにおける端末のスケジューリングを実行する。
　図２の（Ｂ）では、基地局は、直近２個のフィードバックされたＣＳＩの線形外挿に基づいて、端末をスケジューリングする。例えば、基地局は、８０ｍｓおよび９０ｍｓにフィードバックされた２つのＣＳＩの線形外挿に基づいて、９１ｍｓ，９２ｍｓ，…，９９ｍｓにおける端末のスケジューリングを実行する。
　図２の（Ｃ）では、基地局は、直近２個のフィードバックされたＣＳＩの加重平均に基づいて、端末をスケジューリングする。例えば、基地局は、８０ｍｓおよび９０ｍｓにフィードバックされた２つのＣＳＩの加重平均に基づいて、９１ｍｓ，９２ｍｓ，…，９９ｍｓにおける端末のスケジューリングを実行する。
　図２に示す線形補間に基づくＣＳＩの推定は、精度が低い場合がある。例えば、ＣＳＩを推定している区間では、端末の位置および移動速度が変わる場合があり、推定したＣＳＩと、ＣＳＩのフィードバック周期の合間に実際に観測されるＣＳＩとの間にずれが生じる場合がある。
　本開示の無線システムでは、Medium Access Control（ＭＡＣ）層におけるＣＳＩ推定に機械学習を用いる。これにより、無線システムは、ＣＳＩの推定が向上する。ＣＳＩの推定が向上することにより、無線システムは、より適切なスケジューリングが可能となり、スループットを向上できる。
　図３は、本開示に係る無線システムの構成例を示した図である。図３に示すように、無線システムは、Central Unit（ＣＵ）１と、Distributed Unit（ＤＵ）２ａ，２ｂと、端末３と、サーバ４と、測定用端末５と、を有する。
　ＣＵ１およびＤＵ２ａ，２ｂは、基地局と称されてもよい。基地局には、Radio Unit（ＲＵ、図示せず）が含まれてもよい。ＣＵ１は、例えば、集中ノード、集約ノード、集中局、集約局、または集中ユニットと称されてもよい。ＤＵ２ａ，２ｂは、例えば、分散ノード、分散局、または分散ユニットと称されてもよい。ＲＵは、例えば、無線装置、無線ノード、無線局、アンテナ部、または無線ユニットと称されてもよい。
　サーバ４は、例えば、データセンタ等に配置されてもよい。サーバ４は、ＣＵ１と通信する。また、サーバ４は、測定用端末５と通信する。
　測定用端末５は、例えば、車両等に搭載され、ＤＵ２ａ，２ｂとの間のチャネル状態（ＣＳＩ）を測定（収集）し、記憶する。測定用端末５は、収集したＣＳＩをサーバ４に送信する。測定用端末５は、ＤＵ２ａ，２ｂおよびＣＵ１を介して、収集したＣＳＩをサーバ４に送信してもよい。また、測定用端末５は、ＤＵ２ａ，２ｂおよびＣＵ１とは異なる別の無線システムまたは有線システムを介して、あるいは外部記録媒体を介して、収集したＣＳＩをサーバ４に送信してもよい。
　無線システムは、訓練動作と運用動作との２つの動作を有する。無線システムは、訓練動作において、Neural Network（ＮＮ）のモデルを生成する。生成したモデルは、ＣＵ１に実装される。無線システムは、運用動作において、ＮＮを用いてＣＳＩを推定し、端末３をスケジューリングする。
　なお、訓練動作は、訓練過程、オフライン、または学習フェーズと称されてもよい。運用動作は、動作過程、オンライン、または推論フェーズと称されてもよい。また、訓練動作は、運用動作中に行われてもよい。
　以下、無線システムの訓練動作と運用動作とについて説明する。まず、無線システムの訓練動作例について説明する。
　図３のＳ１に示すように、測定用端末５は、ＤＵ２ａ，２ｂとの間のＣＳＩを測定（記憶）する。測定用端末５は、ＣＵ１のスケジューリングのタイミングにおいて、ＣＳＩを測定する。例えば、測定用端末５は、図１の両矢印Ａ２に示すタイミング（例えば、ＴＴＩ）において、ＣＳＩを測定する。
　図３のＳ２に示すように、サーバ４は、測定用端末５が測定したＣＳＩから、訓練データセットを生成し、ＮＮモデルを生成する。訓練データセットは、トレーニングデータと、グランドトゥルースとに分けられる。トレーニングデータは、ＮＮモデルの学習用データである。グランドトゥルースは、学習結果の検証用に用いられるデータである。
　トレーニングデータは、例えば、測定用端末５が測定したＣＳＩ（例えば、ＴＴＩのタイミングで測定したＣＳＩ）のうち、端末３がＣＵ１にフィードバックするＣＳＩに相当する。例えば、トレーニングデータは、図１の両矢印Ａ１に示すタイミングで得られたＣＳＩに相当する。
　グランドトゥルースは、例えば、測定用端末５が測定したＣＳＩのうち、トレーニングデータを除いたＣＳＩである。例えば、グランドトゥルースは、ＴＴＩの間隔で測定したＣＳＩのうち、トレーニングデータを除いたＣＳＩである。別言すれば、グランドトゥルースは、端末３がＣＵ１にフィードバックしない間におけるＣＳＩに相当する。
　図３のＳ３に示すように、サーバ４は、生成したＮＮモデルをＣＵ１のＮＮに展開（実装）する。
　なお、訓練データセットは、学習データと称されてもよい。トレーニングデータは、入力データまたは入力値と称されてもよい。グランドトゥルースは、教師データ、正解データ、または正解値と称されてもよい。ＮＮモデルは、モデル、学習モデル、ＡＩモデル、またはＡＩ予測モデルと称されてもよい。ＮＮモデルには、ＮＮのウェイトが含まれる。
　また、ＣＵ１に実装するモデルには、シナリオが似ている他の無線システムにおいて生成されたモデルが用いられてもよい。
　無線システムの運用動作例について説明する。
　図４は、無線システムの運用動作を説明する図である。図４には、図３に示したＣＵ１と、ＤＵ２ａと、端末３と、が示してある。
　図４のＳ１１に示すように、ＤＵ２ａは、端末３に対し、ＣＳＩの測定を指示する。ＤＵ２ａは、例えば、Third Generation Partnership Project（３ＧＰＰ）標準に準拠してＣＳＩの測定を指示する。
　図４のＳ１２に示すように、端末３は、チャネル状態を測定し、ＣＳＩ報告をＤＵ２ａに送信する。ＤＵ２ａは、例えば、３ＧＰＰ標準に準拠してＣＳＩ報告を送信する。
　図４のＳ１３に示すように、ＤＵ２ａは、Ｓ１２にて送信されたＣＳＩ報告をＣＵ１に送信する。
　図４のＳ１４に示すように、ＣＵ１は、Ｓ１３にて送信されたＣＳＩ報告（直近のＣＳＩ報告）を記憶する。
　図４のＳ１５に示すように、ＣＵ１は、直近のＣＳＩを含む過去のＣＳＩをＮＮに入力し、現ＴＴＩにおけるＣＳＩを推定する。なお、ＣＵ１のＮＮには、訓練動作にて生成されたモデルが展開されている。推定したＣＳＩは、予測データと称されてもよい。
　図４のＳ１６に示すように、ＣＵ１は、Ｓ１５にて推定したＣＳＩを用いて、端末３をスケジューリングする。
　機械学習には、ＮＮを用いた２段構成のArtificial Intelligence（ＡＩ）アルゴリズムが用いられてもよい。無線システムは、例えば、Graphics Processing Unit（ＧＰＵ）により、ＣＳＩデータのリアルタイム処理が可能である。
　図５は、無線システムに適用される機械学習の一例を説明する図である。図５に示すように、機械学習は、例えば、Ａ．ＮＮアーキテクチャと、Ｂ．ウェイトを決めるための損失関数と、Ｃ．データセット処理と、の要素に分類されてもよい。
　Ａ．ＮＮアーキテクチャ
　ＮＮアーキテクチャは、例えば、基本ＮＮと、方向と、レイヤと、要素（ニューロン）の構成方法と、に分けられる。
　基本ＮＮには、例えば、Recurrent NN（ＲＮＮ）と、Convolutional NN（ＣＮＮ）と、Full connected NN（ＦＮＮ）と、がある。本実施形態では、２段構成のＮＮが用いられてもよい。
　１段目には、ＣＳＩ時系列データが入力される。１段目は、ＣＳＩ時系列データを、量子化前のSignal to Interference and Noise power Ratio（ＳＩＮＲ）値に復元する。１段目には、ＦＮＮが適用されてもよい。
　２段目には、ＣＳＩ時系列データと、１段目から出力されるＳＩＮＲとが入力される。２段目は、ＣＳＩ時系列データと、ＳＩＮＲとに基づいて、ＣＳＩの将来値を推定する。
　２段目は、過去のＣＳＩ系列が入力され、推定ＣＳＩ系列を出力する。このため、２段目には、ＣＳＩ系列の推定に向けた設計として、ＲＮＮが適用されてもよい。
　方向には、片方向と、双方向とがある。本実施形態では、過去から未来を推定するため、片方向のＮＷ（Network）が選択される。
　ＮＮのレイヤは、１～数百まで可能である。本実施形態では、１段目は、複数のレイヤで構成されてもよい。２段目は、シングルレイヤで構成されてもよい。
　要素（ニューロン）は、既知のものを用いて未来を推定する場合、１段で構成されてもよい。本実施形態では、エンコーダ－デコーダの２段構成が用いられてもよい。
　Ｂ．ウェイトを決めるための損失関数
　損失関数には、Euclidean distance、softmax、contrastive loss、およびMSE等がある。本実施形態では、変形したフーバー損失関数が用いられてもよい。
　Ｃ．データセット処理
　データセット（訓練データセット）には、矛盾したデータ等を排除した、有効性が保証されたものが用いられてもよい。
　図６Ａおよび図６Ｂは、無線システムに適用されるＮＮアーキテクチャの一例を示した図である。図６Ａには、訓練動作におけるＮＮアーキテクチャの一例が示してある。図６Ａに示すＮＮアーキテクチャは、サーバ４に実装される。
　図６Ｂには、運用動作におけるＮＮアーキテクチャの一例が示してある。図６Ｂに示すＮＮアーキテクチャは、ＣＵ１に実装される。
　図６Ａおよび図６Ｂに示すように、ＮＮは、ＦＮＮとＲＮＮとの２段（カスケード）によって構成されてもよい。図６Ａおよび図６Ｂに示すＮＮの「ｃ」および「ｃｐ」は、ＮＮのウェイトを示す。ウェイトは、パラメータと称されてもよい。図６Ａおよび図６Ｂに示すＧＲＵは、ゲート付き回帰型ユニット（Gated Recurrent Unit）である。
　図６Ａに示すＦＮＮには、トレーニングデータが入力される。ＦＮＮは、入力されたトレーニングデータに基づいて、量子化前のＳＩＮＲを復元する。
　図６ＡのＲＮＮには、トレーニングデータと、ＦＮＮにおいて復元されたＳＩＮＲとが入力される。ＲＮＮは、トレーニングデータと、復元されたＳＩＮＲとに基づいて、ＣＳＩの推定値を出力する。
　図６Ａの損失関数には、ＮＮから出力されるＣＳＩ（推定値）と、グランドトゥルースとが入力される。損失関数は、モデル（ＮＮ）が出力する推定値と、グランドトゥルースとがどの程度近いかを示す指標（値）を出力する。サーバ４は、損失関数の値に基づいて、ＮＮのウェイトを決定する。例えば、サーバ４は、損失関数の値が小さくなるように、ＮＮのウェイトを決定する。
　サーバ４は、決定したＮＮのウェイトをＣＵ１に送信する。ＣＵ１は、サーバ４から送信されたＮＮのウェイトを、ＣＵ１に実装されているＮＮに展開する。図６Ｂに示すＮＮのウェイトは、サーバ４が決定したウェイトである。
　図６Ｂに示すＦＮＮには、ＤＵ２ａ，２ｂから送信されたＣＳＩが入力される。すなわち、図６Ｂに示すＦＮＮには、端末３がフィードバックしたＣＳＩが入力される。ＦＮＮは、入力されたＣＳＩに基づいて、量子化前のＳＩＮＲを復元する。
　図６ＢのＲＮＮには、端末３がフィードバックしたＣＳＩと、ＦＮＮにおいて復元されたＳＩＮＲとが入力される。ＲＮＮは、端末３がフィードバックしたＣＳＩ（直近を含む過去のＣＳＩ）と、復元されたＳＩＮＲとに基づいて、将来のＣＳＩ（推定値）を出力する。ＣＵ１のスケジューラは、ＮＮから出力されたＣＳＩに基づいて、端末３をスケジューリングする。
　図７は、損失関数を説明する図である。図７には、変形したフーバー損失関数が示してある。図７に示すグラフの横軸Δは、モデルの推定値と、グランドトゥルースとの誤差を示す。縦軸Ｌは、変形したフーバー損失関数の誤差に対する値を示す。
　図７のグラフの点線Ａ１１に示すように、変形したフーバー損失関数では、ペナルティの上限が設定される。例えば、モデルの推定値と、グランドトゥルースとの誤差Δの絶対値が、δ２より大きい場合であっても、損失関数の値は、ペナルティの上限を超えないようにできる。
　また、図７の丸Ａ１２ａ，１２ｂに示すように、ペナルティの上限は、Δ＜０とΔ＞０とで異なるようにできる。
　図８Ａおよび図８Ｂは、データセット処理の一例を説明する図である。データセット処理は、例えば、前処理と、再処理とに分けられてもよい。図８Ａには、前処理の例が示してある。図８Ｂには、再処理の例が示してある。
　サーバ４は、測定用端末５から、ＴＴＩごとにおけるＣＳＩの測定値データを受信する。サーバ４は、図８Ａに示すように、受信した測定値データに対し、スライディングウィンドウを適用し、訓練データセットを生成する。また、サーバ４は、入出力データのマッピング処理（トレーニングデータとグランドトゥルースとの対応付け処理）を実行し、訓練データセットを生成する。また、サーバ４は、訓練に不適切なデータを削除し、訓練データセットを生成する。
　訓練データセットの中には、図８Ｂの左図に示すように、１つの入力（トレーニングデータ）に対し、異なる出力（グランドトゥルース）が複数含まれる場合がある。この場合、サーバ４は、図８Ｂの右図に示すように、異なる出力を平均化する。
　図９は、通信システムの性能評価を説明する図である。図９に示す移動速度は、端末の移動速度を示す。ＣＳＩフィードバック周期は、端末が基地局にＣＳＩをフィードバックする周期を示す。評価項目は、スループットである。
　図９には、図２の（Ａ）の方法によってＣＳＩを推定した場合の評価項目と、図２の（Ｃ）の方法によってＣＳＩを推定した場合の評価項目と、本実施形態に係る機械学習を用いてＣＳＩを推定した場合の評価項目と、が示してある。また、図９には、ＣＳＩを理想推定した場合の評価項目が示してある。
　図９に示すように、本実施形態に係る機械学習では、図２の（Ａ）の方法に対し、端末の高速移動時（１２０Ｋｍ／ｈ）におけるスループットが１８．９％および２１．１％増大した。これは、改善余地全体の約１／３（１８．９／５６．２、２１．１／５６．６）に相当する。
　なお、端末の高速移動時における図２の（Ｃ）の方法の、図２の（Ａ）の方法に対するスループットの増大は、３．２％および５．７％である。
　図９に示すように、本実施形態に係る機械学習では、図２の（Ａ）の方法に対し、端末の低速移動時（３Ｋｍ／ｈ）におけるスループットが１０．８％増大した。これは、改善余地全体の約１／２（１０．８／２２．５）に相当する。
　なお、端末の低速移動時における図２の（Ｃ）の方法の、図２の（Ａ）の方法に対するスループットの増大は、０．６％である。
　図１０は、Ｏ－ＲＡＮの参照アーキテクチャを示す図である。Ｏ－ＲＡＮは、図１０に示すアーキテクチャを有する。図１０に示すＲＩＣは、RAN Intelligent Controllerの略である。ＣＰは、Control Planeの略である。ＭＡＮＯは、Management and Orchestrationの略である。ＮＭＳは、Network Management Systemの略である。ＮＦＶＩは、Network Functions Virtualisation Infrastructureの略である。ＯＮＡＰは、Open Network Automation Platformの略である。ＰＤＣＰは、Packet Data Convergence Protocolの略である。ＰＨＹは、PHYsical layerの略である。ＲＡＴは、Radio Access Technologyの略である。ＲＦは、Radio Frequencyの略である。ＲＬＣは、Radio Link Controlの略である。ＲＲＣは、Radio Link Controlの略である。ＳＤＡＰは、Service Data Adaptation Protocolの略である。ＵＰは、User Data Planeの略である。
　ＲＩＣは、ＲＡＮのインテリジェント化を担う制御部である。ＲＩＣは、ノンリアルタイム（＞１ｓ）なものと、リアルタイム（＜１ｓ）なものとに分けられる。
　ノンリアルタイムＲＩＣは、ポリシー管理と、ＲＡＮの分析と、ＡＩベースの機能管理とを行う。ノンリアルタイムＲＩＣを含むオーケストレーションおよび自動化をつかさどるネットワーク保守基盤と、リアルタイムＲＩＣを含むｇＮＢ／ｅＮＢとの間には、Ａ１インターフェースが規定される。
　リアルタイムＲＩＣは、Radio Resource Management（ＲＲＭ）機能のインテリジェント化を提供するレイヤである。リアルタイムＲＩＣは、User Equipment（ＵＥ）ごとのロードバランシングおよびResource Block（ＲＢ）マネージメント等の旧来のＲＲＭ機能の提供に加え、Quality of Service（ＱｏＳ）管理およびシームレスハンドオーバ制御等の機能提供が想定される。インターフェースとしては、上記ノンリアルタイムＲＩＣとの間のＡ１インターフェースに加え、リアルタイムＲＩＣとＣＵ／Ｏ－ＤＵとの間のＥ２インターフェースが規定される。
　Multi-RAT CU protocol stackは、４Ｇおよび５Ｇの複数の無線アクセスを含む各種プロトコル階層をサポートする機能レイヤである。Multi-RAT CU protocol stackは、仮想化に対応し、ノンリアルタイムＲＩＣからのコマンドを実行する機能を有する。Multi-RAT CU protocol stackは、３ＧＰＰで規定されたＦ１／Ｗ１／Ｅ１／Ｘ２／Ｘｎインターフェースをサポートする。
　Ｏ－ＤＵ／Ｏ－ＲＵは、リアルタイムのlayer 2（Ｌ２）機能、ベースバンド信号処理、および無線信号処理を行う。Ｏ－ＤＵとＯ－ＲＵとの間には、フロントホールインタフェースが規定される。
　図１１は、無線システムの機能ブロックの一例を示した図である。図１１に示すように、無線システムは、モジュールＡ，Ｂ，Ｃを有する。モジュールＡとモジュールＣとは、インターフェースＩＦ１を介してデータ伝送を行う。モジュールＡとモジュールＢとは、インターフェースＩＦ２を介してデータ伝送を行う。モジュールＢとモジュールＣとは、インターフェースＩＦ３を介してデータ伝送を行う。
　モジュールＡは、Non-RT RICレイヤと称されてもよい。ＲＴは、Real Timeの略である。モジュールＡは、サーバ４に実装される。
　モジュールＡは、下位レイヤ（モジュールＣ）で収集されたＣＳＩを収集する。別言すれば、モジュールＡは、運用動作において、端末３からフィードバックされたＣＳＩを収集する。また、モジュールＡは、実際のＣＳＩを収集する。別言すれば、モジュールＡは、訓練動作において、測定用端末５が測定した、訓練データセットの元となるＣＳＩを収集する。モジュールＡは、ML Training機能を有し、実際のＣＳＩを用いてモデルを訓練（生成）し、訓練したモデルをモジュールＢに展開する。ＭＬは、Machine Learningの略である。
　モジュールＢは、Near-RT RIC/Modular CU(MCU)レイヤと称されてもよい。モジュールＢは、ＣＵ１に実装される。
　モジュールＢは、ML inference機能を有する。ML inference機能は、モジュールＡにおいて訓練されたモデルに基づいて実現される。例えば、モジュールＢは、モジュールＡにおいて訓練されたモデルをＮＮに展開し、ML inference機能を実現する。
　モジュールＢは、ML inference機能と、モジュールＣが収集したＣＳＩとに基づいて、ＣＳＩを推定する。別言すれば、モジュールＢは、運用動作において、端末３からフィードバックされたＣＳＩに基づいて、ＣＳＩを推定する。モジュールＢは、推定したＣＳＩをモジュールＣに送信する。
　モジュールＣは、Ｏ－ＤＵ／Ｏ－ＣＵレイヤと称されてもよい。モジュールＣは、ＣＵ１、ＤＵ２ａ，２ｂ、および測定用端末５に実装される。
　モジュールＣは、モジュールＢにおいて推定されたＣＳＩに基づいて、端末３をスケジューリングする。例えば、モジュールＣは、モジュールＢにおいて推定されたＣＳＩに基づいて、端末３への無線リソースの割り当て、ＭＣＳの選択、およびビーム選択等の処理を実行する。
　モジュールＣは、端末３からフィードバックされるＣＳＩを収集する。また、モジュールＣは、訓練データセットの元となるＣＳＩを収集する。
　インターフェースＩＦ１は、Ｏ１インターフェースと称されてもよい。インターフェースＩＦ１では、下位レイヤで収集されたＣＳＩが伝送される。また、インターフェースＩＦ１では、実際のＣＳＩが伝送される。
　インターフェースＩＦ２は、Ａ１インターフェースと称されてもよい。インターフェースＩＦ２では、訓練されたモデルが伝送される。
　また、インターフェースＩＦ２では、モデル性能が伝送される。モデル性能とは、無線システムの運用後におけるモデルの評価である。例えば、モデル性能は、モデルが推定したＣＳＩがどの程度正確であったかを示す指標である。モデル性能は、モジュールＢによって生成され、インターフェースＩＦ２を介して、モデルＡにフィードバックされる。
　インターフェースＩＦ３は、Ｅ２インターフェースと称されてもよい。インターフェースＩＦ３では、モジュールＢが推定したＣＳＩ（ＣＳＩの推定結果の分布）が伝送される。
　また、インターフェースＩＦ３では、端末３からフィードバックされたＣＳＩが伝送される。
　なお、インターフェースＩＦ３では、復元されたＳＩＮＲが伝送されてもよい。モジュールＣは、インターフェースＩＦ３で伝送されたＣＳＩとＳＩＮＲとに基づいて、端末をスケジューリングしてもよい。
　図１２は、無線システムの機能ブロックの一例を説明する図である。図１２の枠Ａ２１に示すように、無線システムは、機械学習を用いて基地局および端末間のチャネル状態を推定し、推定したチャネル状態を用いて、スケジューリングを実行する。別言すれば、無線システムは、推定したチャネル状態を用いて、端末への無線リソースの割り当て、ＭＣＳの選択、およびビーム選択等の処理を実行する。
　枠Ａ２２に示すように、無線システムは、３つのモジュールＡ，Ｂ，Ｃを有する。３つのモジュールの間には、インターフェースＩＦ１，ＩＦ２，ＩＦ３が定義される。
　枠Ａ２３に示すように、モジュールＡは、モジュールＣから過去のチャネル情報を受信し、データセット（訓練データセット）を生成する。別言すれば、モジュールＡは、測定用端末５が測定したＣＳＩを用いて、データセットを生成する。モジュールＡは、生成したデータセットを用いて、モデルを訓練する。モジュールＡは、訓練したモデルをモジュールＢに送信する。
　モジュールＡは、モジュールＢからフィードバックされるモデル性能を受信する。モジュールＡは、受信したモデル性能を用いて、モデルを訓練してもよい。
　枠Ａ２４に示すように、モジュールＢは、モジュールＡからモデルを受信する。モジュールＢは、モジュールＣからリアルタイムのチャネル情報（チャネル状態の情報）を受信する。別言すれば、モジュールＢは、モジュールＣから、端末３からフィードバックされたＣＳＩを受信する。モジュールＢは、モデルおよびリアルタイムのチャネル情報を用いて、基地局および端末間のチャネル状態を推定する。モジュールＢは、推定したチャネル状態（推定データ）をモジュールＣに送信する。モジュールＢは、モデル性能をモジュールＡにフィードバックする。
　枠Ａ２５に示すように、モジュールＣは、モジュールＢから、推定データを受信する。モジュールＣは、受信した推定データを用いて、スケジューリングを実行する。モジュールＣは、リアルタイムのチャネル情報を収集し、モジュールＢに送信する。また、モジュールＣは、過去のチャネル情報を収集し、モジュールＡに報告する。別言すれば、モジュールＣは、訓練データセットの元となるＣＳＩを収集する。
　枠Ａ２６に示すように、インターフェースＩＦ２では、モジュールＡが生成したモデルが伝送される。インターフェースＩＦ２で伝送されるモデルは、モデルの更新情報であってもよい。例えば、インターフェースＩＦ２で伝送されるモデルは、モデルの差分に関する差分情報であってもよい。具体的には、変更されたウェイトが、インターフェースＩＦ２で伝送されてもよい。また、インターフェースＩＦ２では、モジュールＢからモジュールＡにフィードバックされるモデル性能の情報が伝送される。
　枠Ａ２７に示すように、インターフェースＩＦ１では、モジュールＣが収集した過去のチャネル情報が伝送される。
　枠Ａ２８に示すように、インターフェースＩＦ３では、モジュールＢが推定した推定データが伝送される。インターフェースＩＦ３では、モジュールＣが収集したリアルタイムのチャネル情報が伝送される。
　図１３は、無線システムの機能ブロックの一例を説明する図である。図１３に示すように、インターフェースＩＦ１では、ＮＮ訓練用の過去のチャネル情報（ＣＱＩ、ＰＭＩ、ＲＩ等を含む、さらに理想値を含む）が伝送される。
　インターフェースＩＦ２では、モデル情報が伝送される。モデル情報は、モデルの全情報が伝送されてもよく、または、差分情報が伝送されてもよい。インターフェースＩＦ２では、モデル性能に対するフィードバック情報が伝送される。
　インターフェースＩＦ３では、推定結果（モジュールＢが推定したチャネル状態）が伝送される。推定結果には、チャネル状態の他に、復元したＳＩＮＲが含まれてもよい。また、インターフェースＩＦ３では、周期または非周期の現在のチャネル情報（ＣＱＩ、ＰＭＩ、ＲＩ等を含む）が伝送される。
　モジュールＡは、モジュールＣから、チャネル情報および理想の推定情報を収集する。また、モジュールＡは、モデルを訓練し、訓練したモデルをモジュールＢに送信する。モジュールＡは、モジュールＢから、モデル性能のフィードバックを受信する。
　モジュールＢは、モジュールＡからモデルを受信する。モジュールＢは、チャネル情報の推定を実行する。モジュールＢは、推定したチャネル情報をモジュールＣに送信する。
　モジュールＣは、モジュールＢからチャネル情報の推定結果を受信する。モジュールＣは、チャネル情報の推定結果を用いて、後続の通信を制御する。
　図１４は、無線システムの制御タイミングの一例を説明する図である。図１４には、無線システムのアーキテクチャが示してある。図１４に示すＬｏｏｐ１は、Ｏ－ＤＵおよびＯ－ＲＵにおける処理周期を示す。Ｌｏｏｐ１の処理周期は、ＴＴＩである。
　Ｌｏｏｐ２は、リアルタイムＲＩＣにおける処理周期を示す。Ｌｏｏｐ２の処理周期は、１０～５００ｍｓｅｃである。リアルタイムＲＩＣは、機械学習を用いて、処理周期の間におけるＣＳＩを推定する。例えば、Ｌｏｏｐ２の処理周期を１０ｍｓｅｃとする。リアルタイムＲＩＣは、機械学習を用いて、１０ｍｓｅｃの間におけるＣＳＩ（例えば、１ｍｓｅｃ間隔等、ＴＴＩごとのＣＳＩ）を推定する。
　Ｌｏｏｐ３は、ノンリアルタイムＲＩＣにおける処理周期を示す。Ｌｏｏｐ３の処理周期は、５００ｍｓｅｃより大きい。
　図１５は、ＣＵおよびＤＵのアーキテクチャ例を示した図である。Ｏ－ＲＡＮは、New Radio（ＮＲ）の物理層において、ＣＵ／ＤＵの低レイヤ分割をサポートする。図１５に示すように、物理層は、High-PHYとLow-PHYとに分けられる。High-PHYは、ＣＵに実装され、Low-PHYは、ＤＵに実装される。
　High-PHYより上位のレイヤは、ＣＵに実装される。例えば、ＭＡＣ、ＰＬＣ、ＰＤＣＰ、およびＲＲＣは、ＣＵに実装される。
　以上説明したように、無線システムは、端末からチャネル状態情報を受信し、チャネル状態情報を機械学習に入力して、次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定する。これにより、無線システムは、機械学習を用いて、無線通信のチャネル状態を推定できる。
　なお、サーバ４の機能は、ＣＵ１によって実現されてもよい。すなわち、ＣＵ１は、機械学習のトレーニング機能を有してもよい。
　また、測定用端末５は、ＣＳＩとＳＩＮＲとを収集してもよい。サーバ４は、ＣＳＩとＳＩＮＲとを推定するモデルを生成してもよい。ＣＵ１は、ＣＳＩとＳＩＮＲとを推定するモデルを用いて、端末３をスケジューリングしてもよい。また、上記において、推論（inference）は、prediction、estimation、またはforecast等と言い換えられてもよい。
　また、図３のＣＵ１に実装されるＮＮモデル（図３のＣＵ１の傍らに示すＮＮ）は、例えば、図１０および図１１に示す「Near RT RIC」に相当してもよい。図３のＳ２における訓練データセット作成およびＮＮモデル訓練は、例えば、図１０および図１１に示す「Non RT RIC」に相当してもよい。
　また、図３のＳ１にて取得したデータを「Non RT RIC」に転送するインターフェースは、例えば、図１１のＯ１インターフェースに相当してもよい。図３のＳ１にて取得したデータは、蓄積されてもよい。また、ＣＵ１は、Ｏ－ＣＵおよびNear RT RICを含んでもよい。
　以上、本開示について説明した。
＜ハードウェア構成等＞
　なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本開示の実施の形態におけるＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５などは、本開示の無線通信方法の処理を行うコンピュータとして機能してもよい。図１６は、ＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５のハードウェア構成の一例を示した図である。上述のＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力部１００５、出力部１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。ＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　ＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。モジュールＡ，Ｂ，Ｃは、プロセッサ１００１によってその機能が実現されてもよい。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）によって構成されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、ＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically　Erasable　Programmable　ＲＯＭ）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency　Division　Duplex）及び時分割複信（ＴＤＤ：Time　Division　Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。インターフェース１，２，３は、通信装置１００４で実現されてもよい。
　入力部１００５には、外部からの入力を受け付ける入力装置（例えば、キー装置、マウス、マイクロフォン、スイッチ、ボタン、センサなど）および操作装置（例えば、ダイヤル）が接続される。出力部１００６には、出力装置（例えば、ディスプレイ、スピーカー、ＬＥＤランプなど）が接続される。なお、入力部１００５および出力部１００６に接続される入力装置および出力装置は、一体となった装置（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　また、ＣＵ１、ＤＵ２ａ，２ｂ、端末３、サーバ４、および測定用端末５は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
＜情報の通知、シグナリング＞
　情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink　Control　Information）、ＵＣＩ（Uplink　Control　Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio　Resource　Control）シグナリング、ＭＡＣ（Medium　Access　Control）シグナリング、報知情報（ＭＩＢ（Master　Information　Block）、ＳＩＢ（System　Information　Block））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC　Connection　Setup）メッセージ、ＲＲＣ接続再構成（RRC　Connection　Reconfiguration）メッセージなどであってもよい。
＜適用システム＞
　本開示において説明した各態様／実施形態は、ＬＴＥ（Long　Term　Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ　３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th　generation　mobile　communication　system）、５Ｇ（5th　generation　mobile　communication　system）、ＦＲＡ（Future　Radio　Access）、ＮＲ（new　Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra　Mobile　Broadband）、ＩＥＥＥ　８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ　８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ　８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。
＜処理手順等＞
　本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
＜基地局の動作＞
　本開示において基地局によって行われるとした特定動作は、場合によってはその上位ノード（upper　node）によって行われることもある。基地局を有する１つ又は複数のネットワークノード（network　nodes）からなるネットワークにおいて、端末との通信のために行われる様々な動作は、基地局及び基地局以外の他のネットワークノード（例えば、ＭＭＥ又はＳ－ＧＷなどが考えられるが、これらに限られない）の少なくとも１つによって行われ得ることは明らかである。上記において基地局以外の他のネットワークノードが１つである場合を例示したが、複数の他のネットワークノードの組み合わせ（例えば、ＭＭＥ及びＳ－ＧＷ）であってもよい。
＜入出力の方向＞
　情報等（※「情報、信号」の項目参照）は、上位レイヤ（又は下位レイヤ）から下位レイヤ（又は上位レイヤ）へ出力され得る。複数のネットワークノードを介して入出力されてもよい。
＜入出力された情報等の扱い＞
　入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
＜判定方法＞
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
＜態様のバリエーション等＞
　本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
　以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
＜ソフトウェア＞
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital　Subscriber　Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
＜情報、信号＞
　本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。例えば、チャネル及びシンボルの少なくとも一方は信号（シグナリング）であってもよい。また、信号はメッセージであってもよい。また、コンポーネントキャリア（ＣＣ：Component　Carrier）は、キャリア周波数、セル、周波数キャリアなどと呼ばれてもよい。
＜「システム」、「ネットワーク」＞
　本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。
＜パラメータ、チャネルの名称＞
　また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。
　上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々なチャネル（例えば、ＰＵＣＣＨ、ＰＤＣＣＨなど）及び情報要素は、あらゆる好適な名称によって識別できるので、これらの様々なチャネル及び情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。
＜基地局＞
　本開示においては、「基地局（ＢＳ：Base　Station）」、「無線基地局」、「固定局（fixed　station）」、「ＮｏｄｅＢ」、「ｅＮｏｄｅＢ（ｅＮＢ）」、「ｇＮｏｄｅＢ（ｇＮＢ）」、「アクセスポイント（access　point）」、「送信ポイント（transmission　point）」、「受信ポイント（reception　point）、「送受信ポイント（transmission/reception　point）」、「セル」、「セクタ」、「セルグループ」、「キャリア」、「コンポーネントキャリア」などの用語は、互換的に使用され得る。基地局は、マクロセル、スモールセル、フェムトセル、ピコセルなどの用語で呼ばれる場合もある。
　基地局は、１つ又は複数（例えば、３つ）のセルを収容することができる。基地局が複数のセルを収容する場合、基地局のカバレッジエリア全体は複数のより小さいエリアに区分でき、各々のより小さいエリアは、基地局サブシステム（例えば、屋内用の小型基地局（ＲＲＨ：Ｒｅｍｏｔｅ　Ｒａｄｉｏ　Ｈｅａｄ）によって通信サービスを提供することもできる。「セル」又は「セクタ」という用語は、このカバレッジにおいて通信サービスを行う基地局及び基地局サブシステムの少なくとも一方のカバレッジエリアの一部又は全体を指す。
＜移動局＞
　本開示においては、「移動局（ＭＳ：Mobile　Station）」、「ユーザ端末（user　terminal）」、「ユーザ装置（ＵＥ：User　Equipment）」、「端末」などの用語は、互換的に使用され得る。
　移動局は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、又はいくつかの他の適切な用語で呼ばれる場合もある。
＜基地局／移動局＞
　基地局及び移動局の少なくとも一方は、送信装置、受信装置、通信装置などと呼ばれてもよい。なお、基地局及び移動局の少なくとも一方は、移動体に搭載されたデバイス、移動体自体などであってもよい。当該移動体は、乗り物（例えば、車、飛行機など）であってもよいし、無人で動く移動体（例えば、ドローン、自動運転車など）であってもよいし、ロボット（有人型又は無人型）であってもよい。なお、基地局及び移動局の少なくとも一方は、必ずしも通信動作時に移動しない装置も含む。例えば、基地局及び移動局の少なくとも一方は、センサなどのＩｏＴ（Internet　of　Things）機器であってもよい。
　また、本開示における基地局は、ユーザ端末で読み替えてもよい。例えば、基地局及びユーザ端末間の通信を、複数のユーザ端末間の通信（例えば、Ｄ２Ｄ（Device-to-Device）、Ｖ２Ｘ（Vehicle-to-Everything）などと呼ばれてもよい）に置き換えた構成について、本開示の各態様／実施形態を適用してもよい。この場合、上述の基地局が有する機能をユーザ端末が有する構成としてもよい。また、「上り」及び「下り」などの文言は、端末間通信に対応する文言（例えば、「サイド（side）」）で読み替えられてもよい。例えば、上りチャネル、下りチャネルなどは、サイドチャネルで読み替えられてもよい。
　同様に、本開示におけるユーザ端末は、基地局で読み替えてもよい。この場合、上述のユーザ端末が有する機能を基地局が有する構成としてもよい。
＜用語の意味、解釈＞
　本開示で使用する「判断（determining）」、「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking　up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
　「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
＜参照信号＞
　参照信号は、ＲＳ（Reference　Signal）と略称することもでき、適用される標準によってパイロット（Pilot）と呼ばれてもよい。
＜「に基づいて」の意味＞
　本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
＜「第１の」、「第２の」＞
　本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
＜「手段」＞
　上記の各装置の構成における「手段」を、「部」、「回路」、「デバイス」等に置き換えてもよい。
＜オープン形式＞
　本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
＜ＴＴＩ等の時間単位、ＲＢなどの周波数単位、無線フレーム構成＞
　無線フレームは時間領域において１つ又は複数のフレームによって構成されてもよい。時間領域において１つ又は複数の各フレームはサブフレームと呼ばれてもよい。
　サブフレームは更に時間領域において１つ又は複数のスロットによって構成されてもよい。サブフレームは、ニューメロロジー（numerology）に依存しない固定の時間長（例えば、１ｍｓ）であってもよい。
　ニューメロロジーは、ある信号又はチャネルの送信及び受信の少なくとも一方に適用される通信パラメータであってもよい。ニューメロロジーは、例えば、サブキャリア間隔（ＳＣＳ：SubCarrier　Spacing）、帯域幅、シンボル長、サイクリックプレフィックス長、送信時間間隔（ＴＴＩ：Transmission　Time　Interval）、ＴＴＩあたりのシンボル数、無線フレーム構成、送受信機が周波数領域において行う特定のフィルタリング処理、送受信機が時間領域において行う特定のウィンドウイング処理などの少なくとも１つを示してもよい。
　スロットは、時間領域において１つ又は複数のシンボル（ＯＦＤＭ（Orthogonal　Frequency　Division　Multiplexing）シンボル、ＳＣ-ＦＤＭＡ（Single　Carrier　Frequency　Division　Multiple　Access）シンボル等）で構成されてもよい。スロットは、ニューメロロジーに基づく時間単位であってもよい。
　スロットは、複数のミニスロットを含んでもよい。各ミニスロットは、時間領域において１つ又は複数のシンボルによって構成されてもよい。また、ミニスロットは、サブスロットと呼ばれてもよい。ミニスロットは、スロットよりも少ない数のシンボルによって構成されてもよい。ミニスロットより大きい時間単位で送信されるＰＤＳＣＨ（又はＰＵＳＣＨ）は、ＰＤＳＣＨ（又はＰＵＳＣＨ）マッピングタイプＡと呼ばれてもよい。ミニスロットを用いて送信されるＰＤＳＣＨ（又はＰＵＳＣＨ）は、ＰＤＳＣＨ（又はＰＵＳＣＨ）マッピングタイプＢと呼ばれてもよい。
　無線フレーム、サブフレーム、スロット、ミニスロット及びシンボルは、いずれも信号を伝送する際の時間単位を表す。無線フレーム、サブフレーム、スロット、ミニスロット及びシンボルは、それぞれに対応する別の呼称が用いられてもよい。
　例えば、１サブフレームは送信時間間隔（ＴＴＩ：Transmission　Time　Interval）と呼ばれてもよいし、複数の連続したサブフレームがＴＴＩと呼ばれてよいし、１スロット又は１ミニスロットがＴＴＩと呼ばれてもよい。つまり、サブフレーム及びＴＴＩの少なくとも一方は、既存のＬＴＥにおけるサブフレーム（１ｍｓ）であってもよいし、１ｍｓより短い期間（例えば、１－１３シンボル）であってもよいし、１ｍｓより長い期間であってもよい。なお、ＴＴＩを表す単位は、サブフレームではなくスロット、ミニスロットなどと呼ばれてもよい。
　ここで、ＴＴＩは、例えば、無線通信におけるスケジューリングの最小時間単位のことをいう。例えば、ＬＴＥシステムでは、基地局が各ユーザ端末に対して、無線リソース（各ユーザ端末において使用することが可能な周波数帯域幅、送信電力など）を、ＴＴＩ単位で割り当てるスケジューリングを行う。なお、ＴＴＩの定義はこれに限られない。
　ＴＴＩは、チャネル符号化されたデータパケット（トランスポートブロック）、コードブロック、コードワードなどの送信時間単位であってもよいし、スケジューリング、リンクアダプテーションなどの処理単位となってもよい。なお、ＴＴＩが与えられたとき、実際にトランスポートブロック、コードブロック、コードワードなどがマッピングされる時間区間（例えば、シンボル数）は、当該ＴＴＩよりも短くてもよい。
　なお、１スロット又は１ミニスロットがＴＴＩと呼ばれる場合、１以上のＴＴＩ（すなわち、１以上のスロット又は１以上のミニスロット）が、スケジューリングの最小時間単位となってもよい。また、当該スケジューリングの最小時間単位を構成するスロット数（ミニスロット数）は制御されてもよい。
　１ｍｓの時間長を有するＴＴＩは、通常ＴＴＩ（ＬＴＥ　Ｒｅｌ．８－１２におけるＴＴＩ）、ノーマルＴＴＩ、ロングＴＴＩ、通常サブフレーム、ノーマルサブフレーム、ロングサブフレーム、スロットなどと呼ばれてもよい。通常ＴＴＩより短いＴＴＩは、短縮ＴＴＩ、ショートＴＴＩ、部分ＴＴＩ（partial又はfractional　TTI）、短縮サブフレーム、ショートサブフレーム、ミニスロット、サブスロット、スロットなどと呼ばれてもよい。
　なお、ロングＴＴＩ（例えば、通常ＴＴＩ、サブフレームなど）は、１ｍｓを超える時間長を有するＴＴＩで読み替えてもよいし、ショートＴＴＩ（例えば、短縮ＴＴＩなど）は、ロングＴＴＩのＴＴＩ長未満かつ１ｍｓ以上のＴＴＩ長を有するＴＴＩで読み替えてもよい。
　リソースブロック（ＲＢ）は、時間領域及び周波数領域のリソース割当単位であり、周波数領域において、１つ又は複数個の連続した副搬送波（subcarrier）を含んでもよい。ＲＢに含まれるサブキャリアの数は、ニューメロロジーに関わらず同じであってもよく、例えば１２であってもよい。ＲＢに含まれるサブキャリアの数は、ニューメロロジーに基づいて決定されてもよい。
　また、ＲＢの時間領域は、１つ又は複数個のシンボルを含んでもよく、１スロット、１ミニスロット、１サブフレーム、又は１ＴＴＩの長さであってもよい。１ＴＴＩ、１サブフレームなどは、それぞれ１つ又は複数のリソースブロックで構成されてもよい。
　なお、１つ又は複数のＲＢは、物理リソースブロック（ＰＲＢ：Physical　RB）、サブキャリアグループ（ＳＣＧ：Sub-Carrier　Group）、リソースエレメントグループ（ＲＥＧ：Resource　Element　Group）、ＰＲＢペア、ＲＢペアなどと呼ばれてもよい。
　また、リソースブロックは、１つ又は複数のリソースエレメント（ＲＥ：Resource　Element）によって構成されてもよい。例えば、１ＲＥは、１サブキャリア及び１シンボルの無線リソース領域であってもよい。
　帯域幅部分（ＢＷＰ：Bandwidth　Part）（部分帯域幅などと呼ばれてもよい）は、あるキャリアにおいて、あるニューメロロジー用の連続する共通ＲＢ（common　resource　blocks）のサブセットのことを表してもよい。ここで、共通ＲＢは、当該キャリアの共通参照ポイントを基準としたＲＢのインデックスによって特定されてもよい。ＰＲＢは、あるＢＷＰで定義され、当該ＢＷＰ内で番号付けされてもよい。
　ＢＷＰには、ＵＬ用のＢＷＰ（ＵＬ　ＢＷＰ）と、ＤＬ用のＢＷＰ（ＤＬ　ＢＷＰ）とが含まれてもよい。ＵＥに対して、１キャリア内に１つ又は複数のＢＷＰが設定されてもよい。
　設定されたＢＷＰの少なくとも１つがアクティブであってもよく、ＵＥは、アクティブなＢＷＰの外で所定の信号／チャネルを送受信することを想定しなくてもよい。なお、本開示における「セル」、「キャリア」などは、「ＢＷＰ」で読み替えられてもよい。
　上述した無線フレーム、サブフレーム、スロット、ミニスロット及びシンボルなどの構造は例示に過ぎない。例えば、無線フレームに含まれるサブフレームの数、サブフレーム又は無線フレームあたりのスロットの数、スロット内に含まれるミニスロットの数、スロット又はミニスロットに含まれるシンボル及びＲＢの数、ＲＢに含まれるサブキャリアの数、並びにＴＴＩ内のシンボル数、シンボル長、サイクリックプレフィックス（ＣＰ：Cyclic　Prefix）長などの構成は、様々に変更することができる。
＜最大送信電力＞
　本開示に記載の「最大送信電力」は、送信電力の最大値を意味してもよいし、公称最大送信電力（the　nominal　UE　maximum　transmit　power）を意味してもよいし、定格最大送信電力（the　rated　UE　maximum　transmit　power）を意味してもよい。
＜冠詞＞
　本開示において、例えば、英語でのa、an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
＜「異なる」＞
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
　本開示の一態様は、無線システムに有用である。
　１　ＣＵ
　２ａ，２ｂ　ＤＵ
　３　端末
　４　サーバ
　５　測定用端末

Claims (6)

  1. 　チャネル状態推定方法であって、
    　無線システムは、
    　端末からチャネル状態情報を受信し、
    　前記チャネル状態情報を機械学習に入力して、次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定する、
    　チャネル状態推定方法。
  2. 　前記無線システムは、第１のモジュールと、第２のモジュールと、第３のモジュールと、を有し、
    　前記第１のモジュールが、測定用端末が収集した収集チャネル情報を用いて、前記機械学習のモデルを作成し、
    　前記第２のモジュールが、前記モデルと、前記端末から受信した前記チャネル状態情報とを用いて、前記次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定し、
    　前記第３のモジュールが、前記端末から前記チャネル状態情報を受信し、前記測定用端末から前記収集チャネル情報を受信する、
    　請求項１に記載のチャネル状態推定方法。
  3. 　前記第１のモジュールが、前記第１のモジュールと、前記第３のモジュールとを結ぶ第１のインターフェースを介して、前記第３のモジュールから前記収集チャネル情報を受信し、
    　前記第２のモジュールが、前記第２のモジュールと、前記第１のモジュールとを結ぶ第２のインターフェースを介して、前記第１のモジュールから前記モデルを受信し、
    　前記第３のモジュールが、前記第３のモジュールと、前記第２のモジュールとを結ぶ第３のインターフェースを介して、前記端末から受信した前記チャネル情報を前記第２のモジュールに送信する、
    　請求項２に記載のチャネル状態推定方法。
  4. 　前記第２のモジュールが、前記第３のインターフェースを介して、前記次のチャネル状態情報を受信するまでの間におけるチャネル状態を前記第３のモジュールに送信し、
    　前記第３のモジュールが、前記次のチャネル状態情報を受信するまでの間におけるチャネル状態を用いて、前記端末をスケジューリングする、
    　請求項３に記載のチャネル状態推定方法。
  5. 　前記第２のモジュールが、前記第２のインターフェースを介して、前記モデルの性能を前記第１のモジュールにフィードバックする、
    　請求項３に記載のチャネル状態推定方法。
  6. 　端末からチャネル状態情報を受信する受信部と、
    　前記チャネル状態情報を機械学習に入力して、次のチャネル状態情報を受信するまでの間におけるチャネル状態を推定する推定部と、
    　を有する基地局。
PCT/JP2020/037331 2020-09-30 2020-09-30 チャネル状態推定方法および基地局 Ceased WO2022070363A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2020/037331 WO2022070363A1 (ja) 2020-09-30 2020-09-30 チャネル状態推定方法および基地局
EP20956291.7A EP4224913A4 (en) 2020-09-30 2020-09-30 CHANNEL STATE INFERENCE METHOD AND BASE STATION

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/037331 WO2022070363A1 (ja) 2020-09-30 2020-09-30 チャネル状態推定方法および基地局

Publications (1)

Publication Number Publication Date
WO2022070363A1 true WO2022070363A1 (ja) 2022-04-07

Family

ID=80949927

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/037331 Ceased WO2022070363A1 (ja) 2020-09-30 2020-09-30 チャネル状態推定方法および基地局

Country Status (2)

Country Link
EP (1) EP4224913A4 (ja)
WO (1) WO2022070363A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024009799A1 (ja) * 2022-07-08 2024-01-11 キヤノン株式会社 通信装置、制御方法、及び、プログラム
WO2024062716A1 (ja) * 2022-09-20 2024-03-28 Kddi株式会社 無線アクセスネットワークの制御装置
WO2024062717A1 (ja) * 2022-09-20 2024-03-28 Kddi株式会社 無線アクセスネットワークの制御装置
WO2024070119A1 (ja) * 2022-09-28 2024-04-04 日本電気株式会社 ＲＡＮ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌｌｅｒ（ＲＩＣ）及びその方法
WO2025062690A1 (ja) * 2023-09-19 2025-03-27 Kddi株式会社 無線アクセスネットワークの制御装置及びコンピュータ可読記憶媒体
WO2025062691A1 (ja) * 2023-09-19 2025-03-27 Kddi株式会社 無線アクセスネットワークの制御装置及びコンピュータ可読記憶媒体

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101442388B (zh) * 2008-12-29 2012-07-04 北京邮电大学 一种多输入多输出系统中的预编码方法和装置
CN111294101B (zh) * 2018-12-10 2022-02-25 华为技术有限公司 Csi测量方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MATSUMOTO, ICHIRO: "Tech & Trend", TELECOMMUNICATION, vol. 37, no. 10, 25 September 2020 (2020-09-25), JP , pages 50 - 51, XP009543321, ISSN: 0910-7576 *
SADAYUKI ABETA ET AL.: "O-RAN Alliance standardization trend", NTT DOCOMO TECHNICAL JOURNAL, vol. 27, no. 1, April 2019 (2019-04-01), pages 8 - 13
See also references of EP4224913A4

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024009799A1 (ja) * 2022-07-08 2024-01-11 キヤノン株式会社 通信装置、制御方法、及び、プログラム
WO2024062716A1 (ja) * 2022-09-20 2024-03-28 Kddi株式会社 無線アクセスネットワークの制御装置
WO2024062717A1 (ja) * 2022-09-20 2024-03-28 Kddi株式会社 無線アクセスネットワークの制御装置
JP2024044066A (ja) * 2022-09-20 2024-04-02 Kddi株式会社 無線アクセスネットワークの制御装置
JP2024044067A (ja) * 2022-09-20 2024-04-02 Kddi株式会社 無線アクセスネットワークの制御装置
JP7653955B2 (ja) 2022-09-20 2025-03-31 Kddi株式会社 無線アクセスネットワークの制御装置
JP7653954B2 (ja) 2022-09-20 2025-03-31 Kddi株式会社 無線アクセスネットワークの制御装置
WO2024070119A1 (ja) * 2022-09-28 2024-04-04 日本電気株式会社 ＲＡＮ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌｌｅｒ（ＲＩＣ）及びその方法
WO2025062690A1 (ja) * 2023-09-19 2025-03-27 Kddi株式会社 無線アクセスネットワークの制御装置及びコンピュータ可読記憶媒体
WO2025062691A1 (ja) * 2023-09-19 2025-03-27 Kddi株式会社 無線アクセスネットワークの制御装置及びコンピュータ可読記憶媒体

Also Published As

Publication number Publication date
EP4224913A4 (en) 2024-06-26
EP4224913A1 (en) 2023-08-09

Similar Documents

Publication Publication Date Title
Haque et al. A survey of scheduling in 5G URLLC and outlook for emerging 6G systems
WO2022070363A1 (ja) チャネル状態推定方法および基地局
CN110050423B (zh) 异步多点传输方案
US20230010095A1 (en) Methods for cascade federated learning for telecommunications network performance and related apparatus
JP6917385B2 (ja) チャネル品質フィードバック方法、ユーザ端末、チャネル品質測定の制御方法、及び基地局
WO2022208687A1 (ja) 端末、無線通信方法及び基地局
US12219551B2 (en) Terminal for improved scheduling performance
JP2020191635A (ja) 端末及び基地局
EP4383798A1 (en) Terminal, wireless communication method, and base station
EP4319377A1 (en) Terminal, wireless communication method, and base station
WO2023013000A1 (ja) 端末、無線通信方法及び基地局
EP3958607A1 (en) User terminal and wireless communication method
US20240155405A1 (en) Method and apparatus for feedback channel status information based on machine learning in wireless communication system
US20250081013A1 (en) Terminal, radio communication method, and base station
WO2023013001A1 (ja) 端末、無線通信方法及び基地局
JP7558958B2 (ja) 端末
US20220200672A1 (en) Base station and base station communication method
JP7781887B2 (ja) 端末、無線通信方法、基地局及びシステム
EP3897033A1 (en) User terminal and communication control method
US20250240070A1 (en) Terminal, radio communication method, and base station
WO2020194562A1 (ja) 端末、及び、無線通信方法
WO2022208673A1 (ja) 端末、無線通信方法及び基地局
WO2023013002A1 (ja) 端末、無線通信方法及び基地局
EP4284052A1 (en) Terminal, wireless communication method, and base station
WO2023013003A1 (ja) 端末、無線通信方法及び基地局

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20956291

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020956291

Country of ref document: EP

Effective date: 20230502

NENP Non-entry into the national phase

Ref country code: JP