用于由用户设备进行的基于传感器的波束管理的方法和系统与流程

本公开总体涉及一种无线通信系统，并且更具体地，涉及一种用于由用户设备(ue)进行的基于传感器的波束管理的方法和系统。
背景技术：
：为了满足日益增长的对更高吞吐量的需求，蜂窝通信技术正朝着毫米波(mmwave)段发展。然而，毫米波段中的通信容易遭受严重的传播损耗和其他传播效应，诸如来自大气气体和降水的衰减、阻挡、散射和衍射效应。利用天线阵列的波束成形有助于解决这些挑战。毫米波处的较小波长允许在ue处使用具有大量天线元件的天线阵列。大天线阵列利用窄波束导致更高阵列增益，这反而有助于在毫米波段自过多的传播损耗恢复。技术实现要素：技术问题然而，窄波束的使用需要发送波束和接收波束的精确对准。在具有移动装置的蜂窝系统中，需要在每个接收波束处频繁测量发送波束以选择用于通信、自适应调制和速率控制的发送-接收波束对。因此，基站(bs)在所有发送波束上发送周期性的参考信号以帮助ue估计每个波束对上的信道增益。例如，第三代合作伙伴计划(3gpp)新无线电(nr)使用同步信号块(ssb)和用于波束选择及速率适配的信道状态信息(csi)-参考信号的周期性传输。然而，在bs和ue两者处的窄波束导致大量波束对的情况下，选择最优波束对所需的时间可能是显著的。对于期望处理自由移动的第5代(5g)手持装置，需要频繁地重新对准发送和接收波束对以维持良好的链路。典型毫米波系统中的波束对的重新对准是在波束测量的帮助下被执行的，其中，该所述波束测量周期性地扫过所有可能的波束对并选择最优对。然而，这种波束扫描过程花费大量时间，并且与波束对的数量(发送和接收波束的数量的乘积)成正比。较长的波束扫描持续时间将导致在手持设备的典型使用情况下将不合适的波束用于接收和发送操作。问题的解决方案这里公开的各种实施例涉及用于由用户设备进行的基于传感器的波束管理的方法和系统。根据本公开的一方面，提供了一种用于由ue进行的基于传感器的波束管理的方法。所述方法包括：由ue获得参考波束对以及用于与网络连接的第一接收方向上的第一组邻近波束对；由ue基于传感器数据确定第一接收方向的改变；由ue识别改变后的第一接收方向上的第二组邻近波束对；由ue测量针对第二组邻近波束对中的邻近波束对的多个波束参数；由ue基于测量的所述多个波束参数从识别出的第二组邻近波束对确定最优波束对；并且由ue配置用于与网络连接的最优波束对。根据本公开的另一方面，提供了一种用于基于传感器的波束管理的ue。所述ue包括存储器和可操作地连接到存储器的处理器，其中，所述处理器被配置为：获得参考波束对以及用于与网络连接的第一接收方向上的第一组邻近波束对；基于传感器数据来确定ue的第一接收方向的改变；识别改变后的第一接收方向上的第二组邻近波束对；测量针对第二组邻近波束对中的邻近波束对的多个波束参数；基于测量的所述多个波束参数，从识别出的第二组邻近波束对确定最优波束对；并且配置用于与网络连接的最优波束对。发明的有益效果本公开被用于至少解决上述缺点并至少提供下述优点。本公开的一方面是提供一种用于由用户设备进行的基于传感器的波束管理的方法和系统。本公开的另一方面是获得参考波束对以及用于与网络连接的第一接收方向上的第一组邻近波束对。本公开的另一方面是基于传感器数据来确定ue的接收方向的改变。本公开的另一方面是识别改变后的接收方向上的第二组邻近波束对。本公开的另一方面是测量针对第二组邻近波束对中的邻近波束对的多个波束参数。本公开的另一方面是基于测量的所述多个波束参数从识别出的第二组邻近波束对确定最优波束对。本公开的另一方面是配置用于与网络连接的最优波束对。本公开的另一方面是确定最优波束对的信噪比(snr)是否低于第一snr阈值且高于第二snr阈值。本公开的另一方面是响应于确定最优波束对的snr低于第一snr阈值且高于第二snr阈值，将新的邻近波束对添加到第二组邻近波束对。本公开的另一方面是响应于确定最优波束对的snr低于第二snr阈值，通过执行波束扫描操作来将参考波束对切换到新的参考波束对，其中，第二snr阈值低于第一snr阈值。附图说明从结合附图的以下详细描述，本公开的特定实施例的上述和其他方面、特征和优点将更加显而易见，其中：图1示出根据实施例的用户设备；图2a和图2b是示出根据实施例的用于由ue进行的基于传感器的波束管理的方法的流程图；图3是示出根据实施例的用于基于ue的传感器数据来确定ue的接收方向的方法的流程图；图4是示出根据实施例的用于识别改变后的接收方向上的第二组邻近波束对的方法的流程图；图5示出根据实施例的利用全局坐标系(gcs)和局部坐标系(lcs)参考框架的包括ue和bs的系统模型；图6示出根据实施例的用于在系统级仿真(sls)上对ue装置波束结构进行建模的波束位置；图7示出根据实施例的针对方位角lcs中的接收波束索引8的ue天线增益图案；图8a示出根据实施例的针对仰角lcs中的接收波束索引8的ue天线增益图案；图8b示出根据实施例的波束测量和选择模型；图9示出根据实施例的用于5g毫米波系统的基于传感器的波束跟踪的系统架构；图10a是示出根据实施例的用于基于装置方位的测量集合选择的方法的流程图；图10b示出根据实施例的利用筛选出的波束集合的测量和波束切换时机；图10c示出根据实施例的用于探测参考信号端口集合优化的基于传感器的波束跟踪；图10d是示出根据实施例的用于探测参考信号端口集合优化的基于传感器的波束跟踪的流程图；图11是示出根据实施例的用于基于传感器的波束跟踪的基于机器学习(ml)的方法的流程图；图12a和图12b是示出根据实施例的利用用于基于传感器的波束跟踪的详细算法的基于ml的方法的流程图；图13示出根据实施例的针对具有不同方位改变速率的下行链路性能的比较的仿真结果；图14示出根据实施例的针对具有不同方位改变速率的下行链路性能的比较的仿真结果；图15示出根据实施例的相对于利用44个波束测量的波束选择的默认方法，在各种方位改变场景中使用前9测量集合的发送功率的增益的仿真结果；图16示出根据实施例的用于利用室内gnb和安装在旋转平台上的装置进行算法评估的实验室设置；图17示出根据实施例的使用旋转设备使装置突然旋转120°的针对默认波束扫描算法与基于传感器的波束扫描算法的吞吐量比较的仿真结果；图18示出根据实施例的针对波束扫描时间减少的情况下的增益的仿真结果；图19示出根据实施例的使用传感器数据的sar和温度控制；图20示出根据实施例的基于柔性装置-传感器的波束管理；图21示出根据实施例的基于环境感测的波束管理；图22a是示出根据实施例的用于波束测量能力的方法的信号流图；图22b是示出根据实施例的用于波束测量能力的方法的信号流图；图23示出根据实施例的具有传感器智能的毫米波波束跟踪；图24是示出根据实施例的用于波束学习和预测的人工智能(ai)方面的方法的流程图；图25示出根据实施例的25(n)个波束的波束映射；以及图26示出根据实施例的基于传感器的波束跟踪。具体实施方式下面将参照附图在此描述本公开的各种实施例。然而，本公开的实施例不限于特定实施例，并且应被解释为包括本公开的所有修改、改变、等效装置和方法以及/或者可替换的实施例。在附图的描述中，相似的附图标号被用于相似的元件。如本文所使用的术语“具有”、“可以具有”、“包括”和“可包括”指示相应特征(例如，诸如数值、功能、操作或部件的元素)的存在，并且不排除附加特征的存在。如本文所使用的术语“a或b”、“a或/和b中的至少一个”或者“a或/和b中的一个或更多个”包括与它们一起列举的项的所有可能组合。例如，“a或b”、“a和b中的至少一个”或者“a或b中的至少一个”表示(1)包括至少一个a、(2)包括至少一个b、或者(3)包括至少一个a和至少一个b两者。如本文所使用的诸如“第一”和“第二”的术语可使用相应组件而不管重要性或顺序如何，并且被用于将一个组件与另一组件区分开而不限制所述组件。这些术语可被用于将一个元件与另一元件区分开的目的。例如，第一用户装置和第二用户装置指示不同的用户装置，而不管顺序或重要性如何。例如，在不脱离本公开的范围的情况下，第一元件可被称为第二元件，并且类似地，第二元件可被称为第一元件。当一个元件(例如，第一元件)与另一元件(例如，第二元件)“(可操作地或可通信地)“耦接”/(可操作地或可通信地)“耦接到”另一元件(例如，第二元件)或者(可操作地或可通信地)“连接到”另一元件(例如，第二元件)时，第一元件可与第二元件直接耦接/直接耦接到第二元件，或者在第一元件与第二元件之间可存在中间元件(例如，第三元件)。然而，当第一元件与第二元件“直接耦接”/“直接耦接到”第二元件或者“直接连接到”第二元件时，在第一元件与第二元件之间不存在中间元件。如本文所使用的表述“被配置为(或被设置为)”可根据上下文与“适合于”、“具有……的能力”、“被设计为”、“被适配为”、“被制成”或“能够”可互换地使用。术语“被配置为(被设置为)”不必表示在硬件层中“被专门设计为”。而是，表述“被配置为……的设备”可表示该设备与其他装置或部件一起在特定上下文中“能够……”。例如，“被配置为(被设置为)执行a、b和c的处理器”可表示用于执行相应操作的专用处理器(例如，嵌入式处理器)，或者能够通过运行存储在存储器装置中的一个或更多个软件程序来执行相应操作的通用处理器(例如，中央处理器(cpu)或应用处理器(ap))。在描述本公开的各种实施例中使用的术语是出于描述特定实施例的目的，并不旨在限制本公开。如本文所使用的，单数形式旨在也包括复数形式，除非上下文另外清楚地指示。除非另有定义，否则本文使用的所有术语(包括技术术语或科学术语)具有与相关领域的普通技术人员通常理解的含义相同的含义。常用字典中定义的术语应被解释为具有与相关技术的上下文含义相同或相似的含义，并且不应被解释为具有理想或夸张的含义，除非它们在本文被清楚地定义。根据情况，甚至本公开中定义的术语也不应被解释为排除本公开的实施例。如本文所使用的术语“模块”可例如表示包括硬件、软件和固件中的一个或者它们中的两个或更多个的组合的单元。“模块”可与例如术语“单元”、“逻辑”、“逻辑块”、“组件”或“电路”可互换地使用。“模块”可以是集成组件元件的最小单元或其一部分。“模块”可以是用于执行一个或更多个功能的最小单元或者其一部分。“模块”可以以机械方式或电子方式实现。例如，根据本公开的“模块”可包括用于执行已知或将在下文中开发的操作的专用集成电路(asic)芯片、现场可编程门阵列(fpga)和可编程逻辑器件中的至少一个。根据实施例，提供了一种用于由ue进行的基于传感器的波束管理的方法。所述方法包括：由ue获得参考波束对以及用于与网络连接的第一接收方向上的第一组邻近波束对；由ue基于传感器数据来确定ue的第一接收方向的改变；并且由ue识别改变后的接收方向上的第二组邻近波束对。所述方法还包括：由ue测量针对第二组邻近波束对中的邻近波束对的多个波束参数；由ue基于测量的多个波束参数从识别出的第二组邻近波束对确定最优波束对；并且由ue配置用于与网络连接的最优波束对。图1示出根据实施例的ue。参照图1，ue100(例如，智能电话、平板电脑等)包括存储器110、处理器120、通信器130和最优波束预测引擎140。存储器110存储将由处理器120执行的指令。存储器110可包括非易失性存储元件。这样的非易失性存储元件的示例可包括磁性硬盘、光盘、软盘、闪存、或者电可编程存储器(eprom)或电可擦除可编程(eeprom)存储器的形式。在一些示例中，存储器110可被认为是非暂时性存储介质。在本文中，术语“非暂时性”可指示存储介质不以载波或传播信号来实现。然而，术语“非暂时性”不应被解释为存储器110不可移动。存储器110可被配置为存储大量信息。非暂时性存储介质可存储能够(例如，在随机存取存储器(ram)或缓存中)随时间改变的数据。存储器110可以是ue100的内部存储单元或外部存储单元、云存储器或者任意其他类型的外部存储器。处理器120与存储器110、通信器130和最优波束预测引擎140进行通信。处理器120执行存储在存储器110中的指令并且执行各种处理。通信器130在内部硬件组件之间进行内部通信并且经由一个或更多个网络与外部装置进行通信。最优波束预测引擎140获得参考波束对以及用于与网络连接的第一接收方向上的第一组邻近波束对。最优波束预测引擎140基于传感器数据来确定ue100的接收方向的改变。最优波束预测引擎140识别改变后的接收方向上的第二组邻近波束对。最优波束预测引擎140测量针对第二组邻近波束对中的邻近波束对的多个波束参数，并且基于测量的多个波束参数从识别出的第二组邻近波束对确定最优波束对。最优波束预测引擎140配置用于与网络连接的最优波束对。最优波束预测引擎140确定最优波束对的snr是否低于第一snr阈值且高于第二snr阈值。最优波束预测引擎140响应于确定最优波束对的snr低于第一snr阈值且高于第二snr阈值，将新的邻近波束对添加到第二组邻近波束对，或者响应于确定最优波束对的snr低于第二snr阈值，通过执行波束扫描操作将参考波束对切换到新的参考波束对。第二snr阈值低于第一snr阈值。尽管图1示出了ue100的各种硬件组件，但是本公开不限于此。例如，ue100可包括更少或更多的组件。此外，图1中的组件的名称仅被用于说明性目的，并且不限制本公开的范围。此外，一个或更多个组件可被组合在一起以执行用于基于传感器的波束管理的相同或基本相似的功能。图2a和图2b是示出根据实施例的用于由ue进行的基于传感器的波束管理的方法的流程图。例如，图2a和图2b的方法可由图1中所示的ue100执行。参照图2a，在步骤202，ue获得参考波束对以及用于与网络连接的第一接收方向上的第一组邻近波束对。在步骤204，ue基于传感器数据来确定ue的第一接收方向的改变。在步骤206，ue识别改变后的第一接收方向上的第二组邻近波束对。在步骤208，ue测量针对第二组邻近波束对中的邻近波束对的多个波束参数。在步骤210，ue基于测量的多个波束参数从识别出的第二组邻近波束对确定最优波束对。在步骤212，ue配置用于与网络连接的最优波束对。在步骤214，ue确定最优波束对的snr是否在第一snr阈值与第二snr阈值之间，即，大于第二snr阈值而小于第一snr阈值。第二snr阈值小于第一snr阈值。如果snr在第一snr阈值与第二snr阈值之间，则在步骤216，ue将新的邻近波束对添加到第二组邻近波束对。然而，如果snr不在第一snr阈值与第二snr阈值之间，则在步骤218，ue通过执行波束扫描操作来将参考波束对切换到新的参考波束对。参照图2b，在步骤220，ue基于接收(rx)波束测量、rx参考方向方位、传感器数据和形状配置中的至少一个来选择用于上行链路srs传输的多个探测参考信号(srs)端口。在步骤222，ue接收至少一个探测参考指示(sri)。在步骤224，ue基于接收到的sri来选择至少一个srs端口。图3是示出根据实施例的用于基于ue的传感器数据来确定ue的接收方向的方法的流程图。例如，图3的方法可由图1中所示的ue100执行。参照图3，在步骤302，ue获得传感器数据。在步骤304，ue确定在特定时间在lcs中的波束峰值方向。在步骤306，ue基于lcs中具有方位改变的波束峰值方向来确定ue的接收方向。图4是示出根据实施例的用于识别改变后的接收方向上的第二组邻近波束对的方法的流程图。例如，图4的方法可由图1中所示的ue100执行。参照图4，在步骤402，ue周期性地从波束测量数据库获得多个波束的波束测量。在步骤404，ue基于ue的接收方向的改变来筛选出用于测量多个波束参数的第二组邻近波束对。也就是说，ue基于ue的接收方向的改变将第二组邻近波束对识别为用于在测量多个波束参数时使用的可能候选。图5示出根据实施例的具有gcs和lcs参考框架的包括ue和bs的系统模型。参照图5，毫米波蜂窝系统设置有bs(gnb)200，其中，bs(gnb)200配备有具有用于发送和接收的bbs波束的能够波束成形的多天线系统。ue100配备有能够形成bue波束的天线系统。如图5中所示，bs200和ue100都可被置于gcs中。ue100及其波束在ue自己的lcs中被识别。ue100的方位由相对于gcs的元组(α,β,γ)描述。可使用3gpp中描述的变换将lcs中的任意方向矢量变换至gcs。在此设置中，可在α或β或γ方向或这些方向的任意组合上以恒定速率改变ue100方位。图6示出根据实施例的用于在sls上对ue波束结构进行建模的波束位置(即，ue的前面和后面)。参照图6，波束布局包括覆盖方位角和仰角方向的44个波束(如将在下面的表1中描述的)。天线板被放置在ue的背板、前板和侧板上，以覆盖在各种装置位置和握持场景中信号到达的所有方向。为了简单起见，假设bs发送波束是固定的，而ue接收波束可基于信道状况和ue的方位改变而改变。第i波束相对于装置lcs的波束方向可由表示，其中，θ′i和表示lcs中的波束的主瓣峰值方向。第i波束的波束图案可由表示。假设每个波束的波束峰值方向和增益图案是先验已知的。在给定时间t的ue方位由相对于gcs的o(t)＝[αβγ]给出。基于gcs中的装置方位，可使用lcs到gcs的变换来计算gcs中的每个波束bi的波束增益图案。在方位o(t)的情况下针对gcs中的波束i的波束增益图案可以是可每tupdate使用方位改变。bs发送波束与ue接收波束bi之间的信道系数hi＝(t)捕获装置方位随时间改变的影响。根据实施例，sls设置与信道模型一起被使用以理解在毫米波段在各种方位改变条件下的ue行为。为了隔绝这些影响，系统使用单个bs(或gnb)和ue。ue配备有能够形成44个波束的多于一个的多天线阵列。波束编号如图6中所示，并且针对每一接收波束在下表1中提供具有方位角(az)、仰角(el)的lcs中的特定波束方向。表1中的仰角值和方位角值相对于θ＝90°且的后板的俯视图。系统针对具有偶数个元素的矩形阵列使用taylor加权来获得针对每个波束的增益图案。ue处的每个波束的峰值方向在lcs方位角和仰角上的布置使在所有径向方向上的覆盖最大化。来自给定bs发送波束的针对每个接收波束的信道可如图5中所示的系统模型中所述而被建模。该信道模型假设城市微(umi)场景。中心频率被设置为28ghz，bs的高度被设置为10m，并且假设ue处于riciank因子为10的视线(los)条件下。系统假设ue速率为2m/sec，其中，所述速率在信道中引入时间变化。ue处的天线板被假设为(m,n,p)＝(8,4,1)，具有如图7中所示的uelcs的方位角和仰角的波束图案增益。对于该仿真，bs与ue之间的三维(3d)距离被设置为87m。bs处的天线板被假设为(m,n,p)＝(32,8,1)。系统还假设在通过基于每个接收波束的接收功率选择最优波束来适配接收波束时，bs发送波束中的一个在完整的仿真持续时间期间服务于ue。当bs发送波束和ue接收波束被对准时，系统在ue处观测到27db的平均snr。【表1】表1：lcs中的相对于(90，0)的ue波束方向(波束峰值的方向)系统假设针对下行链路的瞬时自适应调制和编码速率。假设接收器具有用于解调和解码目的的信道增益的知识。系统还假设用于容量和频谱效率计算的单层传输。利用这些假设，系统计算在20sec的持续时间(间隔10ms的2000个样本)期间平均的ue的平均速率。在不同场景中比较ue的该平均速率以示出利用所提出的测量选择集合方案的增益。下面将参照图13至图18描述针对算法(即，基于传感器的算法)的仿真结果和实验室设置。图7示出根据实施例的针对方位角lcs中的接收波束索引8的ue天线增益图案。参照图7，系统使用基于具有8×4(32)个天线元件的二维天线阵列的波束增益图案，其中，振幅和相位系数被应用于所有元件以改变波束的方向并形成波束图案。天线阵列的较长边在方位角方向上对准。系统针对每个波束假设固定的波束方向，这意味着系数针对每个波束方向是固定的并且基于所选择的波束索引而被选择。图8a示出根据实施例的针对仰角lcs(相对于(90,0))中的接收波束索引8的ue天线增益图案。参照图8a，系统针对具有偶数个元素的矩形阵列使用taylor加权，以获得针对每个波束的增益图案。系统观测到需要幅度和相位加权来获得实际可行的波束图案。图8b示出根据实施例的波束测量和选择模型。参照图8b，来自每个bs发送波束的参考信号每ttx毫秒可用。ue每ttx毫秒在接收波束中的一个上测量所有bs发送波束，并且循环通过所有接收波束。如果s是被选择用于通信的接收波束索引，则系统假设下面的测量模型，其中，服务接收波束每(k+1)ttx毫秒被测量，在无服务接收波束测量之间交错。在每次服务接收波束测量之后，使用最新的测量基于在每个接收波束上的观测到的sinr来评估最优接收波束。该方案允许在一个完整的测量周期内有更多的波束切换机会。给定ue的移动要求，这允许更快的接收波束适配。系统使用该方法以对算法进行基准测试。图9示出根据实施例的用于5g毫米波系统的基于传感器的波束跟踪的系统架构。参照图9，6轴微机电系统(mems)传感器模块901和磁力计902分别使用串行外设接口(spi)和i2c接口与通信处理器集合成。传感器与通信处理器的这种直接接口有助于避免任意通信延迟。6轴mems模块901可包括3轴mems加速度计和3轴mems陀螺仪。通过使用这些传感器硬件模块以及将磁力计902输出与6轴传感器901输出组合的融合软件903，每tupdate使用一次装置方位，这可充当最优波束预测引擎904的输入。最优波束预测引擎904的主要功能是使用先前的测量和方位数据来找到用于测量的接收波束的子集合。具有毫米波能力的rf模块906和5g基带905与5gcp模块对接。5gcpsw900上的l1控制器和sw模块907控制基带和rf硬件以获得周期性测量和数据通信。图10a是示出根据实施例的用于基于装置方位的测量集合选择的方法的流程图。例如，图10a的方法可由图1中示出的ue100执行。参照图10a，在步骤1002，ue启动同步/全波束(bue波束)扫描。在步骤1004，ue找到初始服务波束。在步骤1006，ue获得初始接收方向。在步骤1008，ue针对方位改变运行每tupdate传感器。在步骤1010，ue使用针对所有波束(bue)的波束图案来找到邻近集合。在步骤1012，ue从bue中选出前n个波束。在步骤1014，ue更新接收波束。在步骤1016，ue将更新后的接收波束的snr值与第一阈值(th1)进行比较。如果更新后的接收波束的snr值大于第一阈值，则在步骤1018，ue将snr值与第一阈值和第二阈值(th2)进行比较。如果更新后的接收波束的snr值大于第一阈值且小于第二阈值，则在步骤1020，ue增加n值(即，新的参考波束对)并且运行每tupdate传感器。在实施例中，算法关注于在装置方位改变的场景中增强ue性能。给定该场景的现实意义和对鲁棒性的需要，系统使所述解决方案简单化。这种算法使用在任意给定时间的装置方位和先前测量来预测在该时间的正确测量集合，这极大地减少了测量周期，同时提高了找到具有最优snr的正确接收波束的灵活性。该系统以tupdate的周期在通信处理器使用装置方位数据。此外，给定特定于ue实现，ue具有在每ttx毫秒(bs发送波束导频周期)调度ue接收波束测量(选择哪些接收波束将被测量)的能力。该算法假设ue知道装置lcs中的所有ue接收和发送波束的波束图案以及波束指向或峰值方向(该信息可从波束设计和校准阶段获得)。在实施例中，波束选择方法在sls中被评估并在装置上被实现。在初始网络选择期间并且为了与网络进行初始通信，ue在所有可能的ue波束方向中搜索以找到最优ue接收波束和bs发送波束。基于波束测量执行服务接收波束的周期更新。本公开的方法和系统的一个方面是为了减少ue测量集合，使得波束切换决策更灵活。在用于利用测量集合优化的基于传感器的波束管理(针对ue接收波束)的方法中，ue方位改变导致了降级的链路，这要求频繁调整接收波束以与bs(或gnb)重新对准。该算法涵盖ue接收波束改变的方面。通过限制测量集合大小来进行优化。该算法在开始时基于暴力破解算法，以最强波束作为被搜索的参考而开始。基于该服务波束，该算法以信号进入的方向开始。例如，如图25中所示，具有方位角和天顶角(zenith)上的偏移角度的25(n)个波束的波束映射将装置框架视为参考框架。通过使用方位改变，ue仅在接收波束的特定集合中搜索最优波束，其中，所述接收波束的特定集合在所述测量集合附近或适合于所述测量集合(在下面的示例中当前为9个波束)。这个过程与3gppnr的p3过程相关。参照图25，如果装置(例如，ue)按方位角旋转，则补片(测量集合)沿水平方向移动。如果装置按天顶角旋转，则该补片垂直移动。类似地，对于其他方位改变(偏航、俯仰和滚动)的组合，可在当前信号方向上应用旋转矩阵之后确定合适的补片(测量集合)。旋转矩阵将装置的偏航、俯仰和滚动差作为其分量。图10b示出根据实施例的利用筛选出的波束集合的测量和波束切换时机。参照图10b，系统基于方位改变来提供大小减小的测量集合选择。该方法考虑在信号到达方向上具有强波束增益的最近邻。在本节的以下部分中描述详细的分步过程。步骤-1：在时间(t-1)获得朝向来自gcs中的bs的最强到达路径的ue接收波束峰值方向。波束索引p表示基于测量的最强波束。获得bp＝lcs2gcs(b′p，o(t-1))，其中，lcs中的波束峰值方向是o(t-1)是装置在时刻(t-1)的方位。步骤-2：使用下面的数学式(1)，利用新方位o(t)获得在时间t在lcs中具有方位改变的波束峰值方向。【数学式1】b′p＝gcs2lcs(bp，o(t))每tupdate获得方位的新值。步骤-3：更新测量集合m(t)。根据数学式(2)，让集合f(t)表示具有处的每个波束的波束索引以及增益或度量的元组。【数学式2】f(t)＝{(i，g′i(θ′p，φ′p))|i∈{1，...，bue}}让f'(t)表示f(t)中的条目的排序后的列表，这些条目以元组的增益分量的值的降序排序。然后，测量集合m(t)表示排序后的列表f'(t)的前n个元素的波束索引。参数n是该方案的输入，其取决于ue100观测到的其他条件。在图10b中示出了利用测量集合m(t)和减小的测量周期(从所提出的算法获得的的测量和波束切换方案。在实施例中，系统将测量集合的大小从bue减小到n。该减小的集合是基于信号到达的方位和方向的接收波束的优先处理的集合。测量集合大小的减小减少了测量相关的波束所需的时间，从而提高了波束适配的灵活性。为了控制所提出的算法的鲁棒性，基于snr适配n的值，这即使在具有快速snr波动的场景中也确保了有效波束在测量集合中的存在。此外，系统执行周期性全接收波束测量，以评估新的bs发送波束的可能存在。通过该方法获得的性能增益预期在两方面；第一方面，接收波束的更快适配导致更高的吞吐量，以及第二方面，降低了通过使用最优发送波束(使用接收-发送相互作用)所需的发送功率。该系统呈现涵盖下行链路中频谱效率改善的结果，同时示出测量集合选择和发送功率改善的鲁棒性。呈现的实验结果限于给定实验室中测试条件的限制下的少数特定场景，同时提供对利用该算法可能获得的增益的确认。在实施例中，下面描述用于波束管理和移动性测量的基于传感器的波束测量(uerx和bstx波束两者)的算法。步骤1：建立具有针对ue的所有波束对中的前m个波束对的表格。(初始接入/周期性地以周期tp1>>tp2，其中，tp2是步骤2的周期)。3gpp规范中的过程p-1。【表2】表2：基于传感器的波束测量(uerx和bstx波束两者)在表2中：-ri是uerx波束，其中，i＝1:m。针对i＝1:m和j＝1:m，ri和rj可以相等或不同。-gi是gnbid，其中i＝1:m。针对i＝1:m和j＝1:m，gi和gj可以相等或不同。-tigi：针对第i个波束对的bstx波束：与bsidgi对应的波束id。->3gpp规范中的ssb索引或csi-rs索引。参数‘m’可基于snr和装置的方位改变来选择。-snr越高，‘m’可能越低-方位和位置的改变越小，m的值可能越低。步骤2：确定测量集合。(以周期tp2周期性地进行)-选择由n个波束组成的测量集合，其中，那些n个波束可包括：a.)来自所创建的表的前‘k’个波束的邻近波束。b.)基于方位改变：针对方位改变找到最优rx波束，并针对测量集合选择其邻近波束。类似于步骤1，可基于snr并基于方位改变来选择‘n’和‘k’。邻近波束可以是3个、5个、9个或者方位角和仰角两者的组合的类似数量。这里，邻近波束表示角域中的附近的波束。针对该测量集合遵循过程p-2和p-3(来自3gpp规范)。需要对重叠情况进行检查。步骤3：更新图26中所示的表。-(基于步骤2中确定的测量集合)以当前测量对列表进行更新并重新排序。步骤4：波束报告。a.)基于表的第一行的报告。-针对服务波束指示：ssbid或csi-rsidb.)基于方位改变的报告：使用波束跟踪算法找到最优rx波束并报告相应的行。c.)基于表的前‘k’行的报告。-用于该算法的步骤2的针对gnb200的测量集合知识。d)基于b)和c)两者的报告。-用于该算法的步骤2的针对gnb200的测量集合知识。图10c示出根据实施例的用于探测参考信号端口集合优化的基于传感器的波束跟踪。参照图10c，系统和方法可使用方位改变信息和ue接收波束测量来选择发送波束。瞬时tx波束选择示出了6-8db的tx功率增益。这是典型操作条件下的显著功率节省。uetx波束选择由gnb确定，其中，这涉及在srs端口发送srs并且等待gnb使用设置的srs配置和sri来选择srs端口中的一个(gnb在控制信道上向ue发送该信息)。所述系统和方法使用uerx波束测量、传感器数据和筛选出的接收波束来选择与srs发送更相关的srs端口，这使得在方位改变之后gnb针对uetx选择最优波束。图10d是示出根据实施例的用于探测参考信号端口集合优化的基于传感器的波束跟踪的流程图。例如，图10a的方法可由图1中所示的ue100来执行。参照图10d，在步骤1001，ue启动同步/全波束(bue波束)扫描。在步骤1003，ue找到初始服务波束。在步骤1005，ue获得初始接收方向。在步骤1007，ue针对方位改变运行每tupdate传感器。在步骤1009，ue使用针对所有波束(bue)的波束图案来找到邻近集合。在步骤1011，ue从buerx波束中选出前n个波束。在步骤1013，ue使用rx到tx的波束映射来更新最优srstx端口。在步骤1015，ue接收sri并更新tx波束。使用uerx波束测量来选择用于srs的端口，这使得gnb使用sri选择来自ue的正确tx波束。下面给出详细的分步过程。步骤1：在时间(t-1)获得朝向来自gcs中的bs的最强到达路径的ue接收波束峰值方向。与基于方位改变的接收波束选择相同。步骤2：获得波束峰值方向利用新方位o(t)，获得在时间t在lcs中具有方位改变的波束峰值方向。与基于方位改变的接收波束选择相同。每tupdate获得方位的新值。步骤3：更新测量集合m(t)根据数学式(3)，让集合f(t)表示具有处的每个波束的波束索引和增益的元组。【数学式3】f(t)＝{(i，g′i(θ′p，φ′p))|i∈{1，...，bue}}让f'(t)表示f(t)中的条目的排序后的列表，其中，所述列表的条目以元组的增益分量的值的降序排序。然后，测量集合m(t)表示排序后的列表f'(t)的前n个元素的波束索引。参数n是该方案的输入，其取决于ue100观测到的其他条件。步骤4：srs端口的选择。使用从rx波束到tx波束的映射信息，从f'(t)选择前几个端口(n_srs)作为srs端口。使用来自gnb的sri反馈来选择tx波束。图11是示出根据实施例的用于基于传感器的波束跟踪的基于ml的方法的流程图。例如，图11的方法可由图1中示出的ue100来执行。参照图11，在步骤1102，ue重置t_pd(全波束扫描的周期)。t_pd将由传感器利用snr来调节。如果snr高，则t_pd数量将会高(将不太频繁地需要全扫描)。如果snr低，则该数量将会低(将更频繁地需要全波束扫描)。对于较高的旋转速率，t_pd将增大，而对于较低的旋转速率，t_pd将减小。在步骤1104，ue执行初始同步和全波束扫描，获得针对不同方位角和仰角的波束映射信息，并且形成针对具有给定分辨率的方位角和仰角方向的所有rx/tx波束的邻居(邻接矩阵)映射。在校准期间进行一次这个步骤。在步骤1106和步骤1108，ue从n个波束中选出m个波束。数字m将通过传感器测量来调节。对于更高的旋转速率，选择更多的波束用于测量目的。在步骤1110，ue运行t_pd_run周期性算法。t_pd_run算法将通过数字‘m’来调节。‘m’的值越高，t_pd_run周期性算法将越高。在步骤1112，ue从n个波束中选出强波束集合。在步骤1114，ue在所有可能的方向上旋转ue，并且针对许多环境来在初始校准期间学习针对移动或旋转的波束映射。所述解决方案的泛型环境将是非反射环境。在步骤1116，ue通过基于ml的模型从当前方位、方位改变和当前强波束集合波束映射到下一个波束集合，并且预测下一个rx/tx波束对以及针对当前bstx波束的最优rx波束。在下一个最接近的时隙边界处改变rx波束。如果需要tx波束改变，则在下一次测量更新向bs报告tx波束信息，或者触发新的测量。在步骤1118，ue通过波束测量来选择服务波束。在步骤1120，ue获得差分方位值(每个周期)。图12a和图12b是示出根据实施例的具有用于基于传感器的波束跟踪的详细的算法的基于ml的方法的流程图。例如，图12a和图12b的方法可由图1中所示的ue100执行。参照图12a，在步骤1202，ue执行初始同步和全波束扫描，获得针对不同方位角和仰角的波束映射信息，并且形成针对具有给定分辨率的方位角和仰角方向的所有rx/tx波束的邻居(邻接矩阵)映射。在步骤1204，ue从n个波束中选出m个波束。数字m将通过传感器测量来调节。对于更高的旋转速率，选择更多的波束用于测量目的。在步骤1206，ue从n个波束中选出强波束集合。在步骤1208，ue获得差分方位值(每个周期)。在步骤1210，ue在所有可能的方向上旋转，并且针对许多环境在初始校准期间学习针对移动或旋转的波束映射。参照图12b，在步骤1212，ue执行如以上参照图11所述的校准场景。再次参照图12a，在步骤1214，ue通过基于ml的模型从当前方位、方位改变和当前强波束集合波束映射到下一个波束集合，并且预测下一个rx/tx波束对以及针对当前bstx波束的最优rx波束。在下一个最接近的时隙边界处改变rx波束。如果需要tx波束改变，则在下一次测量更新向bs报告tx波束信息，或者触发新的测量。在步骤1216，ue执行波束测量。在步骤1218，ue通过波束测量从强波束集合选择服务波束。在步骤1220，ue从n个波束中选出强波束集合。在步骤1222，ue重置t_pd值。在步骤1224，ue运行t_pd_run周期性算法，例如，如以上参照图10和图11所述的。图13示出根据实施例的针对具有不同方位改变速率的下行链路性能的比较的仿真结果。更具体地，图13示出子集大小为9的情况下利用默认测量方案以及用于在任意给定时间进行测量的利用接收波束的子集的测量方案的按下行链路平均速率的性能增益。上面已经参照图10至图12b描述了前9接收波束选择方法。该图比较具有不同方位改变条件(涵盖以度/每秒为单位的不同方位改变速率和方位改变的不同组合)的平均频谱效率。利用用于测量的前9集合的系统在所有场景中都优于普通测量方案。观测到的偏航、(偏航和俯仰)、(偏航、俯仰和滚动)的性能差异是由于在这些方向上的波束打包。偏航和俯仰方向具有良好的波束覆盖，因此在该方向上，随着方位改变速率的提高，性能的损失减小。给定毫米波段处的移动性条件和不可避免的ue方位改变问题引入了损耗，需要恢复该损耗的方法。这个结果示出利用所提出的方法在不同场景可实现的实际增益。图14示出根据实施例的针对具有不同方位改变速率的下行链路性能的比较的仿真结果。更具体地，通过从测量集合丢失最优波束，图14示出对于该优化方案重要的是在各种场景中鲁棒并且避免非预期方位改变条件下的损失。系统评估了该算法以示出鲁棒性。下面的表3示出最优接收波束在所选择的测量集合中的次数的百分比。针对2000次迭代以各种方位改变速率和方向获得该结果。观测到(在不丢失最优波束的情况下)子集大小为9的前n执行得与在每个测量周期中测量所有接收波束一样好。通过减小测量集合大小，丢失最优波束的机会更高。同时，观测到不同大小的平均速率性能在70°每秒的平均速率下仍然比测量整个接收波束的集合好2bits/s/hz的裕度。方位改变速率如图14中所示。【表3】表3：不同固定n值下以不同方位改变速率和方向通过方位改变的2000次迭代最优接收波束在改进的测量集合内的次数的百分比图15示出根据实施例的相对于利用44个波束测量的波束选择的默认方法，在各种方位改变场景中使用前9测量集合的发送功率的增益的仿真结果。更具体地，图15示出具有先前结果中示出的更快跟踪能力的下行链路速率的增益。使用相同的方案来选择最优发送波束，假设发射-接收波束相互作用，这对于毫米波tdd系统是有效的假设。系统使用用于接收波束测量的方法来选择具有较小路径损耗的最优发送波束，这有助于降低给定发送方案所需的发送功率以及目标发送功率。利用所提出的以50°每秒的方位改变速率的波束测量和选择的方法，系统观测到发送功率的平均高达6db的增益(即，ue可少发送6db的功率)。从上行链路覆盖的观点来看，这些增益在这些频段是显著的。图16示出根据实施例的用于利用室内gnb和安装在旋转平台上的装置进行算法评估的实验室设置。参照图16，设备(ue)100和bs(gnb)200都基于准5g。室内bs200与安装在旋转平台1601上的ue100装置之间的间隔为5m。ue100配备有两个天线板，该两个天线板具有相对于后板的俯视图在方位角和仰角两者上形成跨越-70°至+70°的25个波束的能力。此外，ue100装置配备有软件切换器，以在波束测量的默认模式与基于传感器智能的波束测量之间切换。利用每个cc具有100mhzbw的8cc载波聚合来启用gnb(准-5g)200和ue100的设置。使用图16中的设置，可在利用和不利用基于传感器的波束扫描算法的几个用户场景中使用观测到的平均吞吐量来获得装置行为的差异。下面在表4中呈现的场景首先是在以120°隔开的两个径向方向之间的装置的jig-jag移动-装置的连续移动，其次是突然(sudden)旋转-突发旋转120°。这两种场景是利用旋转工具1601并用手完成的。针对每个场景为了平均的目的，获得多个测量。表4示出将正常波束扫描和基于传感器的波束扫描进行比较的实验室测试结果的总结。与来自图6中所示的sls仿真结果的下行链路吞吐量增益相比，实验室设置中的增益较小。原因在于，在两种设置中，环境和ue100在所有方向上生成接收波束的能力的差异。在实验室设置中使用的准-5gue100具有生成25个波束且仅在装置的后侧的两个天线板。【表4】表4：在各种旋转场景中利用基于传感器的波束扫描和最优波束选择算法的超出默认的性能增益。利用8cc载波聚合的设置图16示出在针对实验的每次迭代的突发旋转120°的情况下ue100装置上的观测到的吞吐量增益。基于传感器的波束选择方法被示出为与默认方法相比在突发方位改变中快速恢复3-5倍(～360ms减小到＜90ms)。对于场景-1，jig-jag(t)装置在开始时在与观察方向成60度处静止10秒，然后在点a与点b之间连续运动(在接下来的10秒中约10-15次)，其中，点a与观察方向成60度(即，开始点)，并且点b与观察方向成120度。此外，该运动在方位角上从点a到点b持续最后10秒(约10-15旋转)。针对最后5秒计算平均吞吐量。【表5】表5：jig-jag(t)图17示出根据如本文公开的实施例的使用旋转设备使装置突然旋转120°的针对默认波束扫描算法与基于传感器的波束扫描算法的吞吐量比较的仿真结果(从低增益方向到高增益)。对于场景-2，突然旋转(t)(例如，在表2中)。在表6中给出针对ue100的正常放置与突然旋转的吞吐量比较的基于实验室的测试结果。【表6】表6：装置的正常放置与突然旋转cp时间默认算法基于传感器的波束跟踪05：31.415620025026805：32.422077124415705：33.418880525822605：34.420701925442605：35.419425524801005：36.417956527006905：37.417969125482505：38.424948626000005：39.424582227319205：40.423924026148105：41.423244826055605：42.424541027966905：43.429732329903705：44.4297814299906在表7中给出针对以不同速度的完全旋转的吞吐量比较的基于实验室的测试结果。【表7】表7：以不同速度的完全旋转图18示出根据实施例的针对波束扫描时间减少的增益的仿真结果。参照图18，对于波束搜索空间，假设在bs使用的波束的数量是28并且在ue使用的波束的数量是25。要扫描的总波束对是700(28*25)。对于正常波束扫描持续时间，根据准5g标准，假设每5ms可测量14个波束。对于700个波束对，花费250ms(700个波束对/(每5ms14个波束)*5ms)。假设多个邻近bs(即，除了所述bs之外)将被测量。假设3个邻近bs将被测量，波束扫描将需要750ms。因此，由于波束测量中的延迟，存在吞吐量损失。结果，该装置一次扫描花费340ms。为了优化波束扫描持续时间，基于当前测量和传感器智能来预测并筛选最优rx波束。假设前5个筛选出的rx和tx波束(5×5＝25个波束对)要扫描。波束测量所需的总时间是10ms(25个波束对/(每5ms14个波束)*5ms)。假设3个邻近bs将被测量，波束扫描将花费10ms。结果，利用临时吞吐量、以各种方位改变速率的减少的切换时间以及更好的波束可用性来优化波束扫描。图19示出根据实施例的使用传感器数据的sar和温度控制。参照图19，ue100获得用户的握持图案、ue100的方位和观测到的波束测量。该测量被用于找到最优发送波束方向以找到最小的观测到的sar。传感器数据与装置形状一起被用于确定最优发送波束方向以最小化被头或身体吸收的辐射。遍布装置的温度传感器(使用在装置上具有均匀分布的传感器的画面)被用于找到装置上的最优天线板位置，以被用于避免在一个特定位置使装置发热。选择满足sar、发热图案同时不降低观测到的性能的最优接收波束和发送波束。当遍布装置的温度传感器指示过热时并且还当无法满足sar要求时，禁用特定频段(特别是毫米波)中的操作。当基于装置方位、握持图案和装置形状(针对柔性装置)能够满足sar时，启用特定频段中的操作。在特定场景中，为了避免sar问题，基于与用户的装置方位来找到可选波束而非最优波束，以发送信号。图20示出根据实施例的基于柔性装置-传感器的波束管理。参照图20，对于柔性装置(即，ue100)，波束管理比正常的非柔性装置更复杂。系统使用形状id(枚举的可能形状)连同传感器输入一起来确定最优波束对。连同形状id一起，多个天线板在装置上的放置和当前测量有助于找到下一个最优波束。该方法还建议在形状id和装置方位传感器(6轴，磁电机)以及温度、握持和形状传感器的帮助下启用和禁用少量天线板和模块(4g、5g、gps、nfc)。形状信息连同握持传感器和方位传感器一起的用途被用于确定哪些天线板将被启用/禁用，以处理装置的过大sar和温度。图21示出根据实施例的基于环境感测的波束管理。参照图21，对于室内环境中的装置(ue100)，预计最优波束通过开口(例如，窗户、门开口或玻璃窗)从室外小区站点传到室内。使用距离传感器(红外(ir)或超声或光学或毫米波收发器)来找到附近的障碍物。在各个方向上的距离被获得，并连同波束测量和方位传感器(6轴，磁力计)一起被标记。距离测量提供关于房间的大小以及朝向ue100的信号到达的可能方向的细节。ue100在筛选最优波束时使用周围信息。根据该测量，ue100使用具有最长距离测量的方向并且较好的接收波束强度被筛选出。此外，根据各种bs(即，除了bs之外)tx波束方向的波束测量连同周围信息一起被标记以用于筛选。如果用户的位置并不仅随着方位差异而改变，则可重复利用使用基于周围的方法筛选出的bstx波束和uerx波束。从波束测量和相应的角度信息推断进一步的周围信息。图22a是示出根据实施例的用于波束测量能力的方法的信号流图。在图22a中，在较高吞吐量要求的情况下，ue100可请求不同的测量间隙配置。参照图22a，在步骤2201a，gnb200向ue100发送测量间隙配置。在步骤2202a，ue100向gnb200请求不同的测量间隙配置。在步骤2203a，gnb200向ue100发送更新后的测量间隙配置。图22b是示出根据实施例的用于波束测量能力的方法的信号流图。在图22a中，ue100选择不使用少量间隙进行测量，并且在满足测量要求的同时节约功率。参照图22b，在步骤2201b，gnb200向ue100发送测量间隙配置。ue100选择不使用少量间隙进行测量并且在满足测量要求的同时节约功率。在步骤2202b，ue100向gnb200请求不同的测量间隙配置。图22描述了可基于传感器输入利用较少数量的测量来维持性能。通过使用方位改变映射来周期性地找到最优波束索引，ue100可在特定条件下请求不同的测量图案id，其中，ue100可针对频率内测量和频率间测量两者管理波束测量，而无需频繁的测量间隙。图23示出根据实施例的具有传感器智能的毫米波波束跟踪的架构。更具体地，图23描述了使用spi和i2c接口的测试hw上的新传感器芯片组与处理器的集成。参照图23，在步骤2302，所述方法包括：获得参考波束对；选择参考波束对的一组邻近波束对；基于ue的传感器数据来确定ue的接收方向；基于接收方向、波束测量，从该组邻近波束对确定最优波束对；并且配置该最优波束对以进行通信。所述方法包括：确定使用最优波束的ue的snr是否满足snr标准；并且当使用最优波束的ue的snr不满足snr标准时，基于参考波束对增加从该组邻近波束对选择的邻近波束对的数量，或者将参考波束对切换为新的参考波束对。波束算法任务(例如，图11和图12b)将对来自l1sw的测量以及传感器测量进行处理，以找到合适的波束对的sw改变，从而利用所需的波束设置对rfic接口进行编程。在步骤2304，传感器任务管理器将从各种传感器芯片组获取测量并应用合适的筛选。上面已经参照图2描述了与传感器任务管理器相关的功能。图24是示出根据实施例的用于波束学习和预测的ai方面的方法的流程图。参照图24，在步骤2402-2406，所述系统和方法使用传感器测量来计算针对服务波束和其他最优波束的rsrp。在步骤2408-2410，长短期记忆(lstm)与传感器测量一起被用于波束rsrp(时间序列)的预测。在步骤2412，波束切换被触发(根据传感器输入或rsrp/sinr阈值)。在步骤2414-2416，lstm状态被反馈到另一nn以选择最优波束对。相同的设置被扩展以进一步提前指示可能的波束故障场景。该事件被用于通过提前搜索可选波束或小区来减轻故障。这里公开的实施例可使用在至少一个硬件上运行并执行网络管理功能以控制元件的至少一个软件程序来被实现。这里使用的术语“模块”可表示例如包括硬件、软件和固件的一个或更多个组合的单元。术语“模块”可与术语“逻辑”、“逻辑块”、“部件”和“电路”可互换地使用。“模块”可以是集成部件的最小单元或者可以是其一部分。“模块”可以是用于执行一个或更多个功能的最小单元或者其一部分。例如，“模块”可包括asic。本公开的各种实施例可由包括存储在机器(例如，计算机)可读的机器可读存储介质中的指令的软件来实现。机器可以是从机器可读存储介质调用指令并且根据所调用的指令操作的装置，并且可包括所述电子装置。当指令被处理器执行时，处理器可直接执行与该指令对应的功能，或者在处理器的控制下使用其他组件来执行与该指令对应的功能。指令可包括由编译器或解释器生成或执行的代码。机器可读存储介质可以以非暂时性存储介质的形式被提供。这里，如本文所使用的术语“非暂时性”是对介质本身的限制(即，有形的，而非信号)，而不是对数据存储持久性的限制。根据实施例，根据本公开中公开的各种实施例的方法可被提供为计算机程序产品的一部分。计算机程序产品可作为产品在卖方与买方之间被交易。可以以机器可读存储介质(例如，光盘只读存储器(cd-rom))的形式分发计算机程序产品，或者可仅通过应用商店(例如，playstore)分发计算机程序产品。在在线分发的情况下，可将计算机程序产品的至少一部分临时存储或生成在存储介质(诸如制造商的服务器、应用商店的服务器或中继服务器的存储器)中。根据各种实施例的每个组件(例如，模块或程序)可包括以上组件中的至少一个，并且可省略以上子组件的一部分，或者可进一步包括附加的其他子组件。可选地或另外地，一些组件可被集成在一个组件中，并且可执行由每个相应组件在集成之前所执行的相同或相似功能。由根据本公开的各种实施例的模块、编程或其他组件执行的操作可顺序地、并行地、重复地或以启发式的方法被执行。此外，至少一些操作可以以不同顺序被执行、被省略，或者可添加其他操作。虽然已经参照本公开的特定实施例示出和描述了本公开，但是本领域技术人员将理解，在不脱离本公开的范围的情况下，可在本公开中进行形式和细节上的各种改变。因此，本公开的范围不应被限定为限于所述实施例，而应由所附权利要求及其等同物限定。当前第1页12