一种获取训练数据集的方法和装置与流程

本技术实施例涉及通信领域，并且更具体的，涉及一种获取训练数据集的方法和装置。

背景技术：

1、目前，人工智能(artificial intelligent，ai)模型可以部署在训练设备(例如，终端设备)上进行训练、更新。训练设备在训练ai模型时，网络设备为了支撑训练设备对该ai模型的训练，会持续(例如，周期性地)向训练设备传输训练数据集，直到训练设备向网络设备发送完成训练模型的指示信息后，网络设备才会停止向训练设备发送训练数据集。然而，训练设备在训练该ai模型的过程中，网络设备向训练设备传输的训练数据集对训练设备而言是不必要的，会造成资源浪费。因此，在训练设备训练ai模型时，如何获取训练数据集，成为需要解决的技术问题。

技术实现思路

1、本技术实施例提供一种获取训练数据集的方法，可以减少空口资源浪费和空口开销，空口资源的使用性能得到提高。

2、第一方面，提供了一种获取训练数据集的方法，该方法可以由训练设备执行，或者，也可以由训练设备的组成部件(例如芯片或者电路)执行，对此不作限定。例如，该训练设备可以为终端设备。

3、该方法包括：向网络设备发送第一信息，所述第一信息用于指示训练设备请求所述网络设备发送的第一训练数据集的相关信息；接收来自所述网络设备的所述第一训练数据集，所述第一训练数据集是基于所述第一信息所指示的所述相关信息的训练数据集，所述第一训练数据集用于人工智能ai模型的训练。

4、基于上述技术方案，本技术中，训练设备可以向网络请求发送训练数据集，并且该请求信息中也指示了训练设备需要的网络设备向其发送的第一训练数据集的相关信息。换句话说，本技术中，训练设备可以向网络设备指示需要哪些训练数据集，网络设备可以向训练设备发送训练设备指示的训练数据集，不需要一直下发训练数据集。该方法可以减少空口资源浪费和空口开销，提高了空口资源的使用性能。

5、在一种可能的实现方式中，所述相关信息包括以下至少一项：所述第一训练数据集的大小的信息、所述ai模型的输入的配置信息、用于所述ai模型的训练的参考信号的配置信息。

6、基于上述技术方案，本技术中，第一信息可以指示第一训练数据集的大小的信息、该ai模型的输入的配置信息、用于该ai模型的训练的参考信号的配置信息，从而可以显示或者隐式的指示出训练设备需要的第一训练数据集的大小，使得网络设备可以基于训练设备的指示下发第一训练数据集，提高空口资源的利用率。

7、在一种可能的实现方式中，所述第一训练数据集的大小的信息是所述训练设备基于完成所述ai模型的训练所需要的训练数据集的大小确定的。

8、例如，训练设备可以通过历史信息确定从ai模型的初始状态(例如，ai模型的初始状态为0)训练该ai模型到收敛状态时，总共需要的训练数据集的数量。例如，训练设备基于历史经验确定训练该ai模型共需要扫描6万次全码本获得训练数据集。

9、基于上述技术方案，本技术中，训练设备可以基于历史经验确定训练该ai模型需要的训练数据集的数量并指示给网络设备，从而使得网络设备基于该指示下发训练数据集，可以减少空口资源的浪费。

10、在一种可能的实现方式中，所述向网络设备发送第一信息之前，所述方法还包括：确定所述ai模型的第一性能；根据所述ai模型的第一性能和所述ai模型的第二性能，确定所述第一训练数据集的大小的信息，其中，所述第一性能为所述ai模型的当前性能，所述第二性能为所述ai模型的目标性能。

11、例如，训练设备对该ai模型监控时，通过将监控到的当前ai模型的性能与历史信息与该ai模型收敛时对应的模型性能相比较，并且按照当前ai模型的性能可以估计出达到预期的模型性能时需要的第一训练数据集的大小。

12、基于上述技术方案，本技术中，训练设备可以基于ai模型的性能估计训练该ai模型到收敛状态时，需要的训练数据集的数量并指示给网络设备，从而使得网络设备基于该指示下发训练数据集，可以减少空口资源的浪费。

13、在一种可能的实现方式中，所述参考信号的配置信息包括以下至少一项：所述参考信号的标识、所述参考信号的时域资源、所述参考信号的频域资源、所述参考信号的传输周期、传输的所述参考信号的类型。

14、例如，参考信号的类型为ssb，或者csi-rs，或者srs，等等。其中，参考信号的标识也可以理解为参考信号组的标识，例如，参考信号的配置信息包含n(n为大于或者等于1的整数)组参考信号的组标识，其中，n组参考信号中的每组参考信号具有相同的组标识，每组参考信号包括至少一个参考信号。类似的，参考信号的时域资源、参考信号的频域资源、参考信号的传输周期、传输的该参考信号的类型分别也可以理解为，n组参考信号的时域资源、n组参考信号的频域资源、n组参考信号的传输周期、传输的该n组参考信号的类型。

15、基于上述技术方案，本技术中，由于训练数据集可以是参考信号的测量结果，因此训练设备可以基于历史信息确定参考信号的配置信息，通过该参考信号的配置信息也可以间接的指示需要的训练数据集的数量。

16、本技术中，“ai模型的输入的配置信息”例如可以理解为，训练设备基于该ai模型训练的历史信息，确定该ai模型的输入信息，例如，该ai模型的输入信息为稀疏波束图样对应的参考信号的测量结果。则训练设备可以确定该稀疏波束图样是全码本中的哪些位置的波束。例如，训练设备可以将该稀疏波束图样的标识，或者将该稀疏波束图样对应的参考信号的标识，或者将参考信号的测量结果等信息上报给第一网络设备，从而可以使得第一网络设备下发与该波束图样对应的训练数据集。

17、基于上述技术方案，本技术中，由于ai模型的输入信息可以是参考信号的测量结果，因此训练设备可以基于历史信息确定ai模型的输入的配置信息，通过该ai模型的输入的配置信息也可以间接的指示需要的训练数据集的数量。

18、在一种可能的实现方式中，所述第一信息包括以下至少一项：所述ai模型的标识信息、所述ai模型的应用场景的信息、所述ai模型的用途信息、所述训练设备的算力能力的信息。

19、本技术中，例如，网络设备上可以保存第一映射关系，第一映射关系为各个ai模型的标识以及该ai模型标识对应的训练数据集的大小之间的对应关系。训练设备通过向网络设备指示该ai模型的标识便可以指示出训练该ai模型需要的训练数据集的大小。

20、需要说明的是，本技术中的“映射关系”也可以表述为“关联关系”、“对应关系”。应理解，本技术实施例中所说的“映射关系”可以通过函数关系、或表格、或映射关系等方式保存或被记录。下述实施例中，提到的“映射关系”可以是网络设备配置的，也可以是协议预定义的，等等，不予限定。

21、ai模型的应用场景或者该ai模型的用途可以理解为，该ai模型是用于波束管理场景，或者csi反馈场景，或者定位场景，等等。训练设备通过向网络设备指示该ai模型的应用场景或者ai模型的用途便可以指示出训练该ai模型需要的训练数据集的大小。

22、本技术中，训练设备还可以上报算力能力，例如，训练设备上报的算力能力的信息至少包括以下一项：训练设备的处理器(例如，中央处理器(center processing unit，cpu)、图形处理器(graphic processing unit，gpu)、张量处理器(tensor processingunit，tpu)、神经网络处理器(neural network processing unit，npu)、现场可编程门阵列(field-programmable gate array，fpga)等等)的能力、训练设备存储空间的大小、训练设备内存的大小、训练设备的电量等等，不予限定。训练设备通过向网络设备上报自己的算力能力，便可以指示出训练该ai模型时最多可以处理的训练数据集的数量。

23、在一种可能的实现方式中，所述方法还包括：根据所述第一训练数据集训练所述ai模型，并确定所述ai模型的性能；根据所述ai模型的性能，向所述网络设备发送第二信息，所述第二信息用于指示所述训练设备请求所述网络设备发送的第二训练数据集的相关信息；接收来自所述网络设备的所述第二训练数据集，所述第二训练数据集是基于所述第二信息所指示的所述相关信息的训练数据集，所述第二训练数据集用于所述ai模型的训练。

24、例如，第二训练数据集的数据量可以小于第一训练数据集的数据量。后续，训练设备仍然可以基于第二训练数据集对该ai进行训练，并反复迭代，例如，基于第二训练数据集进行模型训练，再次确定该ai模型的性能，基于该ai模型的性能确定需要的第三训练数据集的大小，等等。假设训练设备可以进行l(l为大于1的整数)次训练，直到训练设备确定该ai模型收敛(“模型收敛”也可以理解为该ai模型达到目标性能)。

25、基于上述技术方案，本技术中，训练设备可以通过衡量ai模型训练的性能，确定下一次训练时需要的训练数据集的大小，可以提高ai模型训练的效率并且提高空口资源的使用性能。

26、第二方面，提供了一种获取训练数据集的方法，该方法可以由第一网络设备执行，或者，也可以由第一网络设备的组成部件(例如芯片或者电路)执行，对此不作限定。

27、其中网络侧技术方案对应的相同的有益效果可以参照训练设备侧的有益效果的描述，此处不再赘述。

28、该方法包括：接收来自训练设备的第一信息，所述第一信息用于指示请求所述第一网络设备发送的第一训练数据集的相关信息；根据所述第一信息所指示的所述相关信息，向所述训练设备发送所述第一训练数据集，所述第一训练数据集用于所述人工智能ai模型的训练。

29、在一种可能的实现方式中，所述相关信息包括以下至少一项：所述第一训练数据集的大小的信息、所述ai模型的输入的配置信息、用于所述ai模型的训练的参考信号的配置信息。

30、在一种可能的实现方式中，所述第一训练数据集的大小的信息是基于完成所述ai模型的训练所需要的训练数据集的大小确定的。

31、在一种可能的实现方式中，所述参考信号的配置信息包括以下至少一项：所述参考信号的标识、所述参考信号的时域资源、所述参考信号的频域资源、所述参考信号的传输周期、传输的所述参考信号的类型。

32、在一种可能的实现方式中，所述第一信息包括以下至少一项：所述ai模型的标识信息、所述ai模型的应用场景的信息、所述ai模型的用途信息、所述训练设备的算力能力的信息。

33、在一种可能的实现方式中，所述方法还包括：从第二网络设备获取第三信息，所述第三信息为所述训练所述ai模型的相关信息，其中，所述第一网络设备为训练设备从第二网络设备切换至的目标网络设备；所述根据所述第一信息所指示的所述相关信息，向所述训练设备发送所述第一训练数据集，包括：根据所述第一信息所指示的所述相关信息和所述第三信息，向所述训练设备发送所述第一训练数据集。

34、基于上述技术方案，本技术中，第一网络设备可以结合多方面的信息综合决定是否支撑该ai模型的训练，网络设备不会持续向训练设备下发训练数据集，可以减少不必要的空口资源的占用，节省空口开销，提高空口资源的使用性能。

35、在一种可能的实现方式中，所述第三信息包括以下至少一项：所述训练设备请求所述第二网络设备发送的训练数据集的大小的信息、完成所述ai模型训练需要的训练数据集的大小的信息、所述ai模型的标识信息、所述训练设备的算力能力的信息。

36、例如，所述第一网络设备保存有第一映射关系，所述第一映射关系为ai模型的标识与所述ai模型的标识对应的训练数据集的大小之间的映射关系。

37、例如，“训练设备请求第二网络设备发送的训练数据集的大小的信息”可以理解为，第二网络设备与训练设备连接时，训练设备向第二网络设备请求需要的训练数据集的大小的信息。例如，训练设备也可以基于历史信息确定向第二网络设备请求的训练数据集的大小。例如，“完成ai模型训练需要的训练数据集的大小的信息”可以理解为，第二网络设备上保存有训练设备训练该ai模型时总共需要的训练数据集的大小。

38、基于上述技术方案，本技术中，第一网络设备可以从第二网络获取该训练该ai模型的信息，使得第一网络设备可以基于训练设备指示信息和从第二网络设备同步的信息共同确定能够给训练设备下发的训练数据的大小，提高空口资源的使用性能。

39、在一种可能的实现方式中，所述第三信息还包括：发送训练数据集的时长的信息和/或发送训练数据集的方式的信息，所述方法还包括：根据所述第三信息和所述第一网络设备中的资源使用情况，确定所述第一网络设备和/或所述训练设备是否具备支持训练所述ai模型的能力。

40、“发送训练数据集的方式的信息”，也可以理解为，例如，第二网络设备是周期性地向该训练设备发送训练数据集。示例性的，网络设备可以识别到一天当中哪个时间段数据请求量是最少的，也可以理解为，哪个时间段空口资源占用最少，或者哪个时间段空口资源充足。此时就可以对ai模型提供训练数据集。例如，网络设备可以每天都选择该时间段支撑ai模型的更新(此处，不限制训练设备的数量和/或ai模型的数量)。又例如，第二网络设备是间隔向该训练设备发送训练数据集。该方案相对周期发灵活度有一些提升，如果网络设备发现和/或判断当前数据请求量较少，空口资源充足时，那么此时网络设备就确定可以支撑ai模型的更新。换句话说，该实现方式中，网络设备可以基于当前时刻空口资源的占用情况，确定向训练设备发送训练数据集，所以其不具有明显周期性的特征。

41、本技术中，“资源使用情况”也可以理解为“资源占用情况”、“空口资源占用”等等。例如，现有协议框架中已经定义了网络设备最多可以配置的参考信号(例如，64个csi-rs)的数量，如果网络设备发现全部参考信号都已经被配置给了其他功能，那么就可以确定当前资源被占用，无法给训练设备配置参考信号资源以支撑该ai模型的更新。

42、基于上述技术方案，本技术中，第一网络设备可以从第二网络获取该训练该ai模型的信息，使得第一网络设备可以基于训练设备指示信息、从第二网络设备同步的信息以及空口资源占用情况共同确定能够给训练设备下发的训练数据的大小，提高空口资源的利用率。

43、第三方面，提供了一种获取训练数据集的方法，该方法可以由第一网络设备执行，或者，也可以由第一网络设备的组成部件(例如芯片或者电路)执行，对此不作限定。

44、该方法包括：第一网络设备从第二网络设备获取第三信息，所述第三信息为训练人工智能ai模型的相关信息，其中，所述第一网络设备为训练设备从第二网络设备切换至的目标网络设备；所述第一网络设备接收来自所述训练设备的第一信息，所述第一信息用于请求所述第一网络设备发送训练数据集；所述第一网络设备根据所述第三信息，确定待发送的第一训练数据集；所述第一网络设备基于所述第一信息向所述训练设备发送所述第一训练数据集，所述第一训练数据集用于所述ai模型的训练。

45、基于上述技术方案，本技术中，第一网络设备可以从第二网络获取该训练该ai模型的信息，使得第一网络设备可以基于训练设备指示信息和从第二网络设备同步的信息共同确定能够给训练设备下发的训练数据的大小，提高空口资源的使用性能。

46、在一种可能的实现方式中，所述第三信息包括以下至少一项：所述训练设备请求所述第二网络设备发送的训练数据集的大小的信息、完成所述ai模型训练需要的训练数据集的大小的信息、所述ai模型的标识信息、所述训练设备的算力能力的信息。

47、在一种可能的实现方式中，所述第一网络设备保存有第一映射关系，所述第一映射关系为ai模型的标识与所述ai模型的标识对应的训练数据集的大小之间的映射关系。

48、在一种可能的实现方式中，所述第三信息还包括：发送训练数据集的时长的信息和/或发送训练数据集的方式的信息，所述方法还包括：所述第一网络设备根据所述第三信息和所述第一网络设备中的资源使用情况，确定所述第一网络设备和/或所述训练设备是否具备支持训练所述ai模型的能力。

49、在一种可能的实现方式中，所述第一网络设备根据所述第三信息，确定待发送的第一训练数据集，包括：所述第一网络设备根据所述第一信息和所述第三信息，确定待发送的第一训练数据集，其中，所述第一信息用于指示请求所述第一网络设备发送的第一训练数据集的相关信息。

50、在一种可能的实现方式中，所述相关信息包括以下至少一项：所述第一训练数据集的大小的信息、所述ai模型的输入信息、用于所述ai模型的训练的参考信号的配置信息。

51、在一种可能的实现方式中，所述第一训练数据集的大小的信息是基于完成所述ai模型的训练所需要的训练数据集的大小确定的。

52、在一种可能的实现方式中，所述参考信号的配置信息包括以下至少一项：所述参考信号的标识、所述参考信号的时域资源、所述参考信号的频域资源、所述参考信号的传输周期、传输的所述参考信号的类型。

53、在一种可能的实现方式中，所述第一信息包括以下至少一项：所述ai模型的标识信息、所述ai模型的应用场景的信息、所述ai模型的用途信息、所述训练设备的算力能力的信息。

54、在一种可能的实现方式中，所述方法还包括：接收来自所述训练设备的第二信息，所述第二信息用于指示请求所述网络设备发送的第二训练数据集的相关信息，其中，所述第二信息是基于所述ai模型的性能确定的，所述ai模型的性能是基于所述第一训练数据集训练确定的；根所述第二信息，确定待发送的第二训练数据集。

55、第四方面，提供一种通信方法，该方法可以由训练设备执行，或者，也可以由训练设备的组成部件(例如芯片或者电路)执行，对此不作限定。

56、该方法包括：测量n组参考信号，获取所述n组参考信号对应的n组测量结果，其中，所述n组参考信号中的每组参考信号包括至少一个参考信号，所述每组参考信号具有相同的组标识，所述n为大于1的整数；接收来自网络设备的第四信息，所述第四信息用于指示所述n组参考信号中的m组参考信号；根据所述第四信息和所述n组参考信号对应的n组测量结果，确定人工智能ai模型的第一输入信息，所述第一输入信息包括所述m组参考信号对应的m组测量结果；所述ai模型用于基于所述第一输入信息，获取第一输出信息，其中，所述第一输出信息包括所述n组参考信号中的k组参考信号各自的组标识，其中，所述k组参考信号各自的组标识对应于所述n组测量结果中信道质量最好的k组测量结果。其中，每组测量结果可以包括一个或多个测量结果。

57、基于上述技术方案，本技术中，在后续多次的训练过程中，稀疏波束的图样仍然可以为第四信息指示的波束图样。每次训练时，训练设备可以基于第一网络设备下发的训练数据集进行一次全码本扫描，由于信道状态(也可以理解为，信道环境)是时变的，每次全码本扫描后获得的参考信号的测量结果也是不完全相同的。因此，每次训练时，n组参考信号中的m组参考信号对应测量结果也是不同，并且训练设备确定的训练标签也不相同，即ai模型的输入信息和训练标签都会相应发生变化，然而这些变化本质上都是由于信道状态变化引起的，波束图样并未变化。即，本技术提供的方案中，ai模型训练过程中的变量仅仅为信道状态。与另一方案中，ai模型训练过程中波束图样和信道状态都发生变化相比，本技术提供的方案可以加速ai模型的收敛速度，提高模型训练效率，从而也可以减少空口资源的占用。

58、本技术中，一组参考信号的组标识可以对应一个波束标识，n组参考信号的n个组标识对应n个波束标识。

59、在一种可能的实现方式中，所述第一输出信息还包括所述n组测量结果中剩余的(n-k)组参考信号各自的组标识，所述(n-k)组参考信号各自的组标识对应于(n-k)组测量结果。

60、本技术中，ai模型训练时可以采用分类法和回归法，不同的训练方法分别对应不同的ai模型的输入信息和输出信息。例如，分类法中ai模型的输入信息为参考信号的测量结果，输出信息为ai模型预测的全码本中信道质量最好的k个波束标识。又例如，回归法中ai模型的输入信息为参考信号的测量结果(例如，参考信号的rsrp、rsrq、sinr)，输出信息为ai模型预测的全码本中所有参考信号的测量结果。

61、在一种可能的实现方式中，所述第四信息包括n个字段，所述n个字段与所述n组参考信号一一对应，所述n个字段中的m个字段的比特值与剩余的(n-m)个字段的比特值不同；所述第四信息用于指示n组参考信号中的m组参考信号，具体包括：所述第四信息中的所述m个字段用于指示所述m组参考信号。

62、基于上述技术方案，本技术中，网络设备可以通过指示第四信息中每个字段的比特值，向训练设备指示稀疏波束图样。即，训练设备可以通过解析第四信息获取ai模型的输入信息，从而可以加速ai模型的收敛速度，提高ai模型的训练效率。

63、在一种可能的实现方式中，所述方法还包括：接收来自网络设备的第五信息，所述第五信息用于指示所述n组参考信号中的p组参考信号；其中，所述第五信息包括n个字段，所述n个字段与所述n组参考信号一一对应，所述n个字段中的p个字段的比特值与剩余(n-p)个字段的比特值不同；所述第五信息用于指示n组参考信号中的p组参考信号，具体包括：所述第五信息中的所述p个字段用于指示所述p组参考信号。

64、基于上述技术方案，本技术中，网络设备可以通过指示第四信息、第五信息中每个字段的比特值，向训练设备指示多个稀疏波束图样。即，训练设备可以通过解析第四信息、第五信息获取ai模型的多个输入信息，从而可以加速ai模型的收敛速度，提高ai模型的训练效率。

65、在一种可能的实现方式中，所述方法还包括：接收来自网络设备的配置信息，所述配置信息用于指示以下中的一项或多项：所述n组参考信号的时域资源、所述n组参考信号的频域资源、所述n组参考信号的传输周期、所述n组参考信号的组标识。

66、例如，配置信息与第四信息和/或第五信息也可以在同一条消息中进行发送，不予限定。

67、基于上述技术方案，本技术中，网络设备可以向训练设备发送n组参考信号的配置信息，使得训练设备可以通过测量该n组参考信号获取训练数据集，进行ai模型的训练。

68、第五方面，提供一种通信方法，该方法可以由网络设备执行，或者，也可以由网络设备的组成部件(例如芯片或者电路)执行，对此不作限定。

69、该方法包括：向训练设备发送n组参考信号，其中，所述n组参考信号中的每组参考信号包括至少一个参考信号，所述每组参考信号具有相同的组标识，所述n为大于1的整数；向所述训练设备发送第四信息，所述第四信息用于指示所述n组参考信号中的m组参考信号，其中，所述m组参考信号用于确定第一输入信息；所述ai模型用于基于所述第一输入信息，获取第一输出信息，其中，所述第一输出信息包括所述n组参考信号中的k组参考信号各自的组标识，其中，所述k组参考信号各自的组标识对应于所述n组参量信号对应的n组测量结果中信道质量最好的k组测量结果。其中，每组测量结果可以包括一个或多个测量结果。

70、在一种可能的实现方式中，所述第一输出信息还包括所述n组测量结果中剩余的(n-k)组参考信号各自的组标识，所述(n-k)组参考信号各自的组标识对应于(n-k)组测量结果。

71、在一种可能的实现方式中，所述第四信息包括n个字段，所述n个字段与所述n组参考信号一一对应，所述n个字段中的m个字段的比特值与剩余的(n-m)个字段的比特值不同；所述第四信息用于指示n组参考信号中的m组参考信号，具体包括：所述第四信息中的所述m个字段用于指示所述m组参考信号。

72、在一种可能的实现方式中，所述方法还包括：向训练设备发送第五信息，所述第五信息用于指示所述n组参考信号中的p组参考信号；其中，所述第五信息包括n个字段，所述n个字段与所述n组参考信号一一对应，所述n个字段中的p个字段的比特值与剩余(n-p)个字段的比特值不同；所述第四信息用于指示n组参考信号中的p组参考信号，具体包括：所述第四信息中的所述p个字段用于指示所述p组参考信号。

73、在一种可能的实现方式中，所述方法还包括：向所述训练设备发送配置信息，所述配置信息用于指示以下中的一项或多项：所述n组参考信号的时域资源、所述n组参考信号的频域资源、所述n组参考信号的传输周期、所述n组参考信号的组标识。

74、第六方面，提供了一种通信方法，该方法可以由训练设备执行，或者，也可以由训练设备的组成部件(例如芯片或者电路)执行，对此不作限定。

75、该方法包括：接收第二参考信号集，其中，所述第二参考信号集包括n组参考信号，所述n组参考信号中的每组参考信号包括至少一个参考信号，所述n为大于1的整数；接收第二波束指示信息，所述第二波束指示信息指示第一参考信号集对应的波束，其中，所述第一参考信号集对应的波束为第二参考信号集对应的多个波束的子集，所述第一参考信号集对应的波束用于所述训练设备中的ai模型的第一输入信息的确定，所述第一输入信息基于所述第一参考信号集对应的波束的测量结果，所述第一参考信号集包括m组参考信号，所述n为大于m的整数，所述m为大于或等于1的整数；其中，所述ai模型用于基于所述第一输入信息，获得第一输出信息，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，所述k为大于或等于1的整数且所述k小于所述n，所述ai模型的标签为所述第二参考信号集的测量结果中信道质量最好的k个波束。

76、基于上述技术方案，本技术中，训练设备可以通过接收的第二波束指示信息确定稀疏波束图样。也可以理解为，训练设备可以基于第二波束指示信息确定出稀疏波束图样是由全码本中的哪些波束组成的，并且还可以确定该ai模型的输入信息。此时，由于在训练过程中稀疏波束图样不发生变化，只有信道状态发生变化，因此本方案可以加速ai模型的收敛，提高ai模型的训练效率。

77、在一种可能的实现方式中，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，包括如下中的至少一项：所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束的信息；或者，k组参考信号各自的组标识，其中，所述k组参考信号对应于所述n组参考信号对应的n个测量结果中被预测为信道质量最好的k个测量结果，且所述k组参考信号各自的组标识与k个波束具有预先定义或预先配置的对应关系；或者，所述n组参考信号对应的多个波束信息及所述波束信息对应的n个测量结果；或者，所述n组参考信号各自的组标识及所述n组参考信号的n个测量结果，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

78、基于上述技术方案，本技术中，基于ai模型的算法的实现，ai模型的输出信息可以略有不同。例如，分类法中ai模型的输出信息为第二参考信号集对应的多个波束中被预测为信道质量最好的k(k为大于0的整数)个波束的信息。又例如，回归法中ai模型的输出信息为n组参考信号对应的n个测量结果，等等。

79、在一种可能的实现方式中，所述第二波束指示信息指示所述第一参考信号集对应的波束包括：所述第二波束指示信息指示所述第一参考信号集对应的波束在所述第二参考信号集对应的多个波束中的位置。

80、基于上述技术方案，本技术中，第二波束指示信息可以指示第一参考信号集对应的波束在所述第二参考信号集对应的多个波束中的位置，从而指示稀疏波束图样。也可以理解为，训练设备可以基于第二波束指示信息确定出应该第一参考信号集中的参考信号组是全码本中哪些波束上对应的参考信号，从而可以确定ai模型的输入信息。

81、在一种可能的实现方式中，所述第二波束指示信息包括n个字段，所述n个字段与所述第二参考信号集对应的多个波束一一对应，所述n个字段中的m个字段的比特值与剩余(n-m)个字段的比特值不同；所述第二波束指示信息指示所述第一参考信号集对应的波束，包括：所述第二波束指示信息中的所述m个字段对应所述第一参考信号集。

82、基于上述技术方案，本技术中，可以通过n个字段中的m个字段直接指示稀疏波束图样，或者也可以理解为，通过n个字段中的m个字段直接指示出全码本中的哪些波束组成了该稀疏波束图样，从而使得训练设备可以确定ai模型的输入信息。

83、在一种可能的实现方式中，所述方法还包括：向所述训练设备发送第一配置信息，所述第一配置信息指示以下中的一项或多项：所述n组参考信号的时域资源、所述n组参考信号的频域资源、所述n组参考信号的传输周期、所述n组参考信号的组标识、或所述n组参考信号的波束信息。

84、基于上述技术方案，本技术中，可以通过第一配置信息指示出训练设备应该如何接收n组参考信号。例如，训练设备应该在哪些时频资源上接收n组参考信号。

85、在一种可能的实现方式中，所述第二波束指示信息指示所述m组参考信号对应的波束，包括：所述第二波束指示信息包括所述m组参考信号的组标识或波束信息，所述m组参考信号为所述n组参考信号中的部分，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

86、基于上述技术方案，由于n组参考信号和n个波束之间具有一一对应关系，因此，可以通过指示m组参考信号的组标识或波束信息便可以指示出稀疏波束图样。

87、在一种可能的实现方式中，向所述训练设备发送所述n组参考信号的第三配置信息；所述第二波束指示信息包括所述m组参考信号的组标识的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的组标识并指示以下中的一项或多项：所述n组参考信号的时域资源，所述n组参考信号的频域资源，所述n组参考信号的传输周期，或，所述n组参考信号的波束；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识；或者，所述第二波束指示信息包括所述m组参考信号的波束信息的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的波束信息并指示以下中的一项或多项：所述n组参考信号的组标识，时域资源，所述n组参考信号的频域资源，或，所述n组参考信号的传输周期；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识。

88、基于上述技术方案，本技术中，第三配置信息中可以包括n组参考信号的标识，并且m组参考信号属于该n组参考信号，因此，第二波束指示信息中可以包括m组参考信号的标识或者m组参考信号的波束信息，从而指示出稀疏波束图样是由全码本中的哪些波束组成的，从而使得训练设备可以确定ai模型的输入信息。

89、在一种可能的实现方式中，所述方法还包括：对所述n组参考信号进行测量，获得n个测量结果，所述n个测量结果对应于n个波束且所述n个测量结果包括所述第一参考信号集对应的波束的测量结果。

90、基于上述技术方案，本技术中，训练设备可以通过测量n组参考信号获得n组测量结果，并且基于第二波束信息确定ai模型的是输入信息。

91、第七方面，提供了一种通信方法，该方法可以由网络设备执行，或者，也可以由网络设备的组成部件(例如芯片或者电路)执行，对此不作限定。

92、在一种可能的实现方式中，向训练设备发送第二参考信号集，其中，所述第二参考信号集包括n组参考信号，所述n组参考信号中的每组参考信号包括至少一个参考信号，所述n为大于1的整数；向所述训练设备发送第二波束指示信息，所述第二波束指示信息指示第一参考信号集对应的波束，其中，所述第一参考信号集对应的波束为第二参考信号集对应的多个波束的子集，所述第一参考信号集对应的波束用于所述训练设备中的ai模型的第一输入信息的确定，所述第一输入信息基于所述第一参考信号集对应的波束的测量结果，所述第一参考信号集包括m组参考信号，所述n为大于m的整数，所述m为大于或等于1的整数；其中，所述ai模型用于基于所述第一输入信息，获得第一输出信息，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，所述k为大于或等于1的整数且所述k小于所述n，所述ai模型的标签为所述第二参考信号集的测量结果中信道质量最好的k个波束。

93、在一种可能的实现方式中，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，包括如下中的至少一项：所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束的信息；或者，k组参考信号各自的组标识，其中，所述k组参考信号对应于所述n组参考信号对应的n个测量结果中被预测为信道质量最好的k个测量结果，且所述k组参考信号各自的组标识与k个波束具有预先定义或预先配置的对应关系；或者，所述n组参考信号对应的多个波束信息及所述波束信息对应的n个测量结果；或者，所述n组参考信号各自的组标识及所述n组参考信号的n个测量结果，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

94、在一种可能的实现方式中，所述第二波束指示信息指示所述第一参考信号集对应的波束包括：所述第二波束指示信息指示所述第一参考信号集对应的波束在所述第二参考信号集对应的多个波束中的位置。

95、在一种可能的实现方式中，所述第二波束指示信息包括n个字段，所述n个字段与所述第二参考信号集对应的多个波束一一对应，所述n个字段中的m个字段的比特值与剩余(n-m)个字段的比特值不同；所述第二波束指示信息指示所述第一参考信号集对应的波束，包括：所述第二波束指示信息中的所述m个字段对应所述第一参考信号集。

96、在一种可能的实现方式中，所述方法还包括：向所述训练设备发送第一配置信息，所述第一配置信息指示以下中的一项或多项：所述n组参考信号的时域资源、所述n组参考信号的频域资源、所述n组参考信号的传输周期、所述n组参考信号的组标识、或所述n组参考信号的波束信息。

97、在一种可能的实现方式中，所述第二波束指示信息指示所述m组参考信号对应的波束，包括：所述第二波束指示信息包括所述m组参考信号的组标识或波束信息，所述m组参考信号为所述n组参考信号中的部分，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

98、在一种可能的实现方式中，所述方法还包括：向所述训练设备发送所述n组参考信号的第三配置信息；所述第二波束指示信息包括所述m组参考信号的组标识的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的组标识并指示以下中的一项或多项：所述n组参考信号的时域资源，所述n组参考信号的频域资源，所述n组参考信号的传输周期，或，所述n组参考信号的波束；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识；或者，所述第二波束指示信息包括所述m组参考信号的波束信息的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的波束信息并指示以下中的一项或多项：所述n组参考信号的组标识，时域资源，所述n组参考信号的频域资源，或，所述n组参考信号的传输周期；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识。

99、第八方面，提供了一种通信方法，该方法可以由终端设备执行，或者，也可以由终端设备的组成部件(例如芯片或者电路)执行，对此不作限定。其中，该终端设备可以作为推理设备。

100、该方法包括：接收第一参考信号集，其中，所述第一参考信号集包括m组参考信号，所述m组参考信号中的每组参考信号包括至少一个参考信号，所述m为大于或等于1的整数；接收第一波束指示信息，所述第一波束指示信息指示所述第一参考信号集对应的波束，其中，所述第一参考信号集用于所述ai模型的第一输入信息的确定，所述第一输入信息基于所述第一参考信号集所包括的所述m组参考信号的测量结果，所述第一参考信号集对应的波束为第二参考信号集对应的多个波束的子集，所述第二参考信号集包括n组参考信号，所述n为大于或等于m的整数；其中，所述ai模型用于基于所述第一输入信息，获得第一输出信息，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，所述k为大于或等于1的整数且所述k小于所述n。

101、基于上述技术方案，本技术中，在模型推理阶段，网络设备也可以向终端设备指示模型的输入信息，使得终端设备确定出模型的输入信息，从而可以提高终端设备在模型推理时输出信息的准确性。

102、在一种可能的实现方式中，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，包括如下中的至少一项：所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束的信息；或者，k组参考信号各自的组标识，其中，所述k组参考信号对应于所述n组参考信号对应的n个测量结果中被预测为信道质量最好的k个测量结果，且所述k组参考信号各自的组标识与k个波束具有预先定义或预先配置的对应关系；或者，所述n组参考信号对应的多个波束信息及所述波束信息对应的n个测量结果；或者，所述n组参考信号各自的组标识及所述n组参考信号的n个测量结果，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

103、基于上述技术方案，本技术中，基于ai模型的算法的实现，ai模型的推理输出信息可以略有不同。例如，分类法中ai模型的推理输出信息为第二参考信号集对应的多个波束中被预测为信道质量最好的k(k为大于0的整数)个波束的信息。又例如，回归法中ai模型的推理输出信息为n组参考信号对应的n个测量结果，等等。

104、在一种可能的实现方式中，所述第一波束指示信息指示所述第一参考信号集对应的波束包括：所述第一波束指示信息指示所述第一参考信号集对应的波束在所述第二参考信号集对应的多个波束中的位置。

105、基于上述技术方案，本技术中，第二波束指示信息可以指示第一参考信号集对应的波束在所述第二参考信号集对应的多个波束中的位置，从而指示稀疏波束图样。也可以理解为，终端设备可以基于第二波束指示信息确定出应该第一参考信号集中的参考信号组是全码本中哪些波束上对应的参考信号，从而可以确定ai模型的输入信息。

106、在一种可能的实现方式中，所述第一波束指示信息包括n个字段，所述n个字段与所述第二参考信号集对应的多个波束一一对应，所述n个字段中的m个字段的比特值与剩余(n-m)个字段的比特值不同；所述第一波束指示信息指示所述第一参考信号集对应的波束，包括：所述第一波束指示信息中的所述m个字段对应所述第一参考信号集。

107、基于上述技术方案，本技术中，可以通过n个字段中的m个字段直接指示稀疏波束图样，或者也可以理解为，通过n个字段中的m个字段直接指示出全码本中的哪些波束组成了该稀疏波束图样，从而使得终端设备可以确定ai模型的输入信息。

108、在一种可能的实现方式中，所述方法还包括：接收第一配置信息，所述第一配置信息指示以下中的一项或多项：所述m组参考信号的时域资源、所述m组参考信号的频域资源、所述m组参考信号的传输周期、所述m组参考信号的组标识、或所述m组参考信号的波束信息。

109、基于上述技术方案，本技术中，可以通过第一配置信息指示出终端设备应该如何接收m组参考信号。例如，终端设备应该在哪些时频资源上接收m组参考信号。

110、在一种可能的实现方式中，所述第一波束指示信息指示所述m组参考信号对应的波束，包括：所述第一波束指示信息包括所述m组参考信号的组标识或波束信息，所述m组参考信号为所述n组参考信号中的部分，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

111、基于上述技术方案，由于n组参考信号和n个波束之间具有一一对应关系，因此，可以通过指示m组参考信号的组标识或波束信息便可以指示出稀疏波束图样。

112、在一种可能的实现方式中，所述第一波束指示信息包括在所述m组参考信号的第二配置信息中，所述第一波束指示信息包括所述m组参考信号的组标识的情况下，所述第二配置信息还包括所述m组参考信号的时域资源、频域资源、传输周期、或、波束信息中的一项或多项；或者，所述第一波束指示信息包括所述m组参考信号的波束信息的情况下，所述第二配置信息还包括所述m组参考信号的时域资源、频域资源、传输周期、或、组标识中的一项或多项。

113、基于上述技术方案，本技术中，第二配置信息中可以包括第一波束指示信息，并且第一波束指示信息包括m组参考信号的组标识或m组参考信号的波束信息，从而指示出稀疏波束图样是由全码本中的哪些波束组成的，从而使得终端设备可以确定ai模型的输入信息。

114、在一种可能的实现方式中，所述方法还包括：接收所述n组参考信号的第三配置信息；所述第一波束指示信息包括所述m组参考信号的组标识的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的组标识并指示以下中的一项或多项：所述n组参考信号的时域资源，所述n组参考信号的频域资源，所述n组参考信号的传输周期，或，所述n组参考信号的波束；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识；或者，所述第一波束指示信息包括所述m组参考信号的波束信息的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的波束信息并指示以下中的一项或多项：所述n组参考信号的组标识，时域资源，所述n组参考信号的频域资源，或，所述n组参考信号的传输周期；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识。

115、基于上述技术方案，本技术中，第三配置信息中可以包括n组参考信号的标识，并且m组参考信号属于该n组参考信号，因此，第二波束指示信息中可以包括m组参考信号的标识或者m组参考信号的波束信息，从而指示出稀疏波束图样是由全码本中的哪些波束组成的，从而使得终端设备可以确定ai模型的输入信息。

116、在一种可能的实现方式中，所述方法还包括：利用所述ai模型基于所述第一输入信息获得所述第一输出信息；发送所述第一输出信息。

117、基于上述技术方案，本技术中，终端设备通过ai模型推理获得推理输出信息后，还可以进一步向网络设备反馈该输出信息，使得网络设备可以基于该输出信息为终端设备发送对应的参考信号。终端设备再次测量参考信号，并且确定测量结果最优的参考信号，并将该参考信号对应的波束标识作为最终选择的波束，采用该波束与网络设备进行通信。

118、第九方面，提供了一种通信方法，该方法可以由网络设备执行，或者，也可以由网络设备的组成部件(例如芯片或者电路)执行，对此不作限定。

119、该方法包括：向终端设备发送第一参考信号集，其中，所述第一参考信号集包括m组参考信号，所述m组参考信号中的每组参考信号包括至少一个参考信号，所述m为大于或等于1的整数；向所述终端设备发送第一波束指示信息，所述第一波束指示信息指示所述第一参考信号集对应的波束，其中，所述第一参考信号集用于所述ai模型的第一输入信息的确定，所述第一输入信息基于所述第一参考信号集所包括的所述m组参考信号的测量结果，所述第一参考信号集对应的波束为第二参考信号集对应的多个波束的子集，所述第二参考信号集包括n组参考信号，所述n为大于或等于m的整数；其中，所述ai模型用于基于所述第一输入信息，获得第一输出信息，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，所述k为大于或等于1的整数且所述k小于所述n。

120、在一种可能的实现方式中，所述第一输出信息指示所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束，包括如下中的至少一项：所述第二参考信号集对应的多个波束中被预测为信道质量最好的k个波束的信息；或者，k组参考信号各自的组标识，其中，所述k组参考信号对应于所述n组参考信号对应的n个测量结果中被预测为信道质量最好的k个测量结果，且所述k组参考信号各自的组标识与k个波束具有预先定义或预先配置的对应关系；或者，所述n组参考信号对应的多个波束信息及所述波束信息对应的n个测量结果；或者，所述n组参考信号各自的组标识及所述n组参考信号的n个测量结果，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

121、在一种可能的实现方式中，所述第一波束指示信息指示所述第一参考信号集对应的波束包括：所述第一波束指示信息指示所述第一参考信号集对应的波束在所述第二参考信号集对应的多个波束中的位置。

122、在一种可能的实现方式中，所述第一波束指示信息包括n个字段，所述n个字段与所述第二参考信号集对应的多个波束一一对应，所述n个字段中的m个字段的比特值与剩余(n-m)个字段的比特值不同；所述第一波束指示信息指示所述第一参考信号集对应的波束，包括：所述第一波束指示信息中的所述m个字段对应所述第一参考信号集。

123、在一种可能的实现方式中，所述方法还包括：向所述终端设备发送第一配置信息，所述第一配置信息指示以下中的一项或多项：所述m组参考信号的时域资源、所述m组参考信号的频域资源、所述m组参考信号的传输周期、所述m组参考信号的组标识、或所述m组参考信号的波束信息。

124、在一种可能的实现方式中，所述第一波束指示信息指示所述m组参考信号对应的波束，包括：所述第一波束指示信息包括所述m组参考信号的组标识或波束信息，所述m组参考信号为所述n组参考信号中的部分，且所述n组参考信号与n个波束具有预先定义或预先配置的对应关系。

125、在一种可能的实现方式中，所述第一波束指示信息包括在所述m组参考信号的第二配置信息中，所述第一波束指示信息包括所述m组参考信号的组标识的情况下，所述第二配置信息还包括所述m组参考信号的时域资源、频域资源、传输周期、或、波束信息中的一项或多项；或者，所述第一波束指示信息包括所述m组参考信号的波束信息的情况下，所述第二配置信息还包括所述m组参考信号的时域资源、频域资源、传输周期、或、组标识中的一项或多项。

126、在一种可能的实现方式中，所述方法还包括：向所述终端设备发送所述n组参考信号的第三配置信息；所述第一波束指示信息包括所述m组参考信号的组标识的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的组标识并指示以下中的一项或多项：所述n组参考信号的时域资源，所述n组参考信号的频域资源，所述n组参考信号的传输周期，或，所述n组参考信号的波束；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识；或者，所述第一波束指示信息包括所述m组参考信号的波束信息的情况下，所述n组参考信号的第三配置信息包括所述n组参考信号各自的波束信息并指示以下中的一项或多项：所述n组参考信号的组标识，时域资源，所述n组参考信号的频域资源，或，所述n组参考信号的传输周期；且所述m组参考信号为所述n组参考信号中的部分包括：所述n组参考信号的n个组标识包括所述m组参考信号的m个组标识。

127、在一种可能的实现方式中，所述方法还包括：接收来自所述终端设备的所述第一输出信息。

128、第十方面，提供了一种通信装置，该装置用于执行上述第一方面、第四方面、第六方面、第八方面中任一种可能实现方式中的方法。具体地，该装置可以包括用于执行第一方面、第四方面、第六方面、第八方面中任一种可能实现方式中的方法的单元和/或模块，如收发单元和/或处理单元。

129、在一种实现方式中，该装置为训练设备，推理设备或终端设备。当该装置为通信设备时，通信单元可以是收发器，或，输入/输出接口；处理单元可以是至少一个处理器。可选地，收发器可以为收发电路。可选地，输入/输出接口可以为输入/输出电路。

130、在另一种实现方式中，该装置为用于训练设备，推理设备或终端设备的芯片、芯片系统或电路。当该装置为用于通信设备的芯片、芯片系统或电路时，通信单元可以是该芯片、芯片系统或电路上的输入/输出接口、接口电路、输出电路、输入电路、管脚或相关电路等；处理单元可以是至少一个处理器、处理电路或逻辑电路等。

131、第十一方面，提供了一种通信装置，该装置用于执行上述第二方面、第三方面、第五方面、第七方面、第九方面中任一种可能实现方式中的方法。具体地，该装置可以包括用于执行第二方面、第三方面、第五方面、第七方面、第九方面中任一种可能实现方式中的方法的单元和/或模块，如收发单元和/或处理单元。

132、在一种实现方式中，该装置为网络设备或者第一网络设备。当该装置为通信设备时，通信单元可以是收发器，或，输入/输出接口；处理单元可以是至少一个处理器。可选地，收发器可以为收发电路。可选地，输入/输出接口可以为输入/输出电路。

133、在另一种实现方式中，该装置为用于网络设备或者第一网络设备的芯片、芯片系统或电路。当该装置为用于通信设备的芯片、芯片系统或电路时，通信单元可以是该芯片、芯片系统或电路上的输入/输出接口、接口电路、输出电路、输入电路、管脚或相关电路等；处理单元可以是至少一个处理器、处理电路或逻辑电路等。

134、第十二方面，提供了一种通信装置，该装置包括：至少一个处理器，用于执行存储器存储的计算机程序或指令，以执行上述第一方面、第四方面、第六方面、第八方面中任一方面中任一种可能实现方式中的方法。可选地，该装置还包括存储器，用于存储的计算机程序或指令。可选地，该装置还包括通信接口，处理器通过通信接口读取存储器存储的计算机程序或指令。

135、在一种实现方式中，该装置为训练设备，推理设备或终端设备。

136、在另一种实现方式中，该装置为用于训练设备，推理设备或终端设备的芯片、芯片系统或电路。

137、第十三方面，提供了一种通信装置，该装置包括：至少一个处理器，用于执行存储器存储的计算机程序或指令，以执行上述第二方面、第三方面、第五方面、第七方面、第九方面中任一种可能实现方式中的方法。可选地，该装置还包括存储器，用于存储的计算机程序或指令。可选地，该装置还包括通信接口，处理器通过通信接口读取存储器存储的计算机程序或指令。

138、在一种实现方式中，该装置为网络设备或者第一网络设备。

139、在另一种实现方式中，该装置为用于网络设备或者第一网络设备的芯片、芯片系统或电路。

140、第十四方面，本技术提供一种处理器，包括：输入电路、输出电路和处理电路。所述处理电路用于通过所述输入电路接收信号，并通过所述输出电路发射信号，使得所述处理器执行第一方面至第九方面中任一方面中任一种可能实现方式中的方法。

141、在具体实现过程中，上述处理器可以为一个或多个芯片，输入电路可以为输入管脚，输出电路可以为输出管脚，处理电路可以为晶体管、门电路、触发器和各种逻辑电路等。输入电路所接收的输入的信号可以是由例如但不限于收发器接收并输入的，输出电路所输出的信号可以是例如但不限于输出给发射器并由发射器发射的，且输入电路和输出电路可以是同一电路，该电路在不同的时刻分别用作输入电路和输出电路。本技术实施例对处理器及各种电路的具体实现方式不做限定。

142、对于处理器所涉及的发送和获取/接收等操作，如果没有特殊说明，或者，如果未与其在相关描述中的实际作用或者内在逻辑相抵触，则可以理解为处理器输出和接收、输入等操作，也可以理解为由射频电路和天线所进行的发送和接收操作，本技术对此不做限定。

143、第十五方面，提供了一种处理设备，包括处理器和存储器。该处理器用于读取存储器中存储的指令，并可通过收发器接收信号，通过发射器发射信号，以执行第一方面至第九方面中任一方面中任一种可能实现方式中的方法。

144、可选地，所述处理器为一个或多个，所述存储器为一个或多个。

145、可选地，所述存储器可以与所述处理器集成在一起，或者所述存储器与处理器分离设置。

146、在具体实现过程中，存储器可以为非瞬时性(non-transitory)存储器，例如只读存储器(read only memory，rom)，其可以与处理器集成在同一块芯片上，也可以分别设置在不同的芯片上，本技术实施例对存储器的类型以及存储器与处理器的设置方式不做限定。

147、应理解，相关的数据交互过程例如发送指示信息可以为从处理器输出指示信息的过程，接收能力信息可以为处理器接收输入能力信息的过程。具体地，处理器输出的数据可以输出给发射器，处理器接收的输入数据可以来自收发器。其中，发射器和收发器可以统称为收发器。

148、上述第十五方面中的处理设备可以是一个或多个芯片。该处理设备中的处理器可以通过硬件来实现也可以通过软件来实现。当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于该处理器之外，独立存在。

149、第十六方面，提供一种计算机可读存储介质，该计算机可读介质存储用于设备执行的程序代码，该程序代码包括用于执行上述第一方面至第九方面任一种可能实现方式中的方法。

150、第十七方面，提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面至第九方面任一种可能实现方式中的方法。

151、第十八方面，提供一种芯片系统，包括处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片系统的设备执行上述第一方面至第九方面中任一方面中各实现方式中的方法。

152、第十九方面，提供一种通信系统，该通信系统包括训练设备和网络设备。所述训练设备用于执行上述第一方面中的任一种可能实现方法，所述网络设备用于执行上述第二方面中的任一种可能实现的方法。

153、第二十方面，提供一种通信系统，该通信系统包括第一网络设备。所述第一网络设备用于执行上述第三方面中的任一种可能实现方法。

154、第二十一方面，提供一种通信系统，该通信系统包括训练设备和网络设备。所述训练设备用于执行上述第四方面中的任一种可能实现方法，所述网络设备用于执行上述第五方面中的任一种可能实现的方法。

155、第二十二方面，提供一种通信系统，该通信系统包括训练设备和网络设备。所述训练设备用于执行上述第六方面中的任一种可能实现方法，所述网络设备用于执行上述第七方面中的任一种可能实现的方法。

156、第二十三方面，提供一种通信系统，该通信系统包括推理设备，如终端设备，和网络设备。所述推理设备，如终端设备，用于执行上述第八方面中的任一种可能实现方法，所述网络设备用于执行上述第九方面中的任一种可能实现的方法。