用于机器学习（ML）功能的拆分式架构网络中用于模拟通信的协议栈的制作方法

本公开整体涉及无线通信，更具体地涉及用于针对机器学习(ml)功能的拆分式架构网络中的模拟发送和接收的协议栈。

背景技术：

1、无线通信系统被广泛部署以提供诸如电话、视频、数据、消息接发、和广播等各种电信服务。典型的无线通信系统可以采用能够通过共享可用的系统资源(例如，带宽、发送功率等)来支持与多个用户通信的多址技术。此类多址技术的示例包括码分多址(cdma)系统、时分多址(tdma)系统、频分多址(fdma)系统、正交频分多址(ofdma)系统、单载波频分多址(sc-fdma)系统、时分同步码分多址(td-scdma)系统和长期演进(lte)。lte/高级lte是由第三代合作伙伴计划(3gpp)发布的通用移动电信系统(umts)移动标准的增强集。窄带(nb)物联网(iot)和增强型机器类型通信(emtc)是用于机器类型通信的lte的增强集。

2、无线通信网络可以包括多个基站(bs)，这些bs可以支持多个用户装备(ue)的通信。用户装备(ue)可以经由下行链路和上行链路与基站(bs)进行通信。下行链路(或前向链路)是指从bs到ue的通信链路，而上行链路(或反向链路)是指从ue到bs的通信链路。如将更详细地描述的，bs可被称为节点b、演进型节点b(enb)、gnb、接入点(ap)、无线电头端、发送接收点(trp)、新无线电(nr)bs、5g节点b等等。

3、以上多址技术已经在各种电信标准中被采纳以提供使得不同的用户装备能够在城市、国家、地区、以及甚至全球级别上进行通信的共同协议。新无线电(nr)(也可以称为5g)是由第三代合作伙伴计划(3gpp)发布的对lte移动标准的一组增强。nr被设计为通过提高频谱效率、降低成本、改进服务、利用新频谱以及在下行链路(dl)上使用具有循环前缀(cp)的正交频分复用(ofdm)(cp-ofdm)、在上行链路(ul)上使用cp-ofdm和/或sc-fdm(例如，也被称为离散傅里叶变换扩频ofdm(dft-s-ofdm))来更好地与其他开放标准集成，以及支持波束成形、多输入多输出(mimo)天线技术和载波聚合，从而更好地支持移动宽带互联网接入。

4、人工神经网络可以包括互连的人工神经元组(例如，神经元模型)。人工神经网络可以是计算设备或表示为由计算设备执行的方法。卷积神经网络(诸如深度卷积神经网络)是一种前馈人工神经网络。卷积神经网络可以包括可以在平铺感受野中配置的各神经元层。将神经网络处理应用于无线通信以达成更高的效率将是合乎需要的。

技术实现思路

1、本公开的各方面涉及一种用于处理用户装备(ue)处的机器学习数据的协议栈架构。该ue具有被配置为管理与网络设备关于机器学习数据的通信的机器学习层。该机器学习层耦接到用于多个神经网络的多个机器学习训练块以及机器学习和推断块。该协议栈架构还具有耦接到该机器学习层的模拟数据通信栈。该模拟数据通信栈具有耦接到该机器学习层并且被配置为存储这些神经网络中的每一者的数据的上部介质访问控制模拟(mac-a)层。该模拟数据通信栈还具有耦接到该上部mac-a层并且被配置为分割和重组模拟机器学习数据的下部mac-a层。该模拟数据通信栈具有耦接到该下部mac-a层并且被配置为发送和接收去往和来自该网络设备的模拟数据的模拟物理层。该协议栈架构还具有耦接到该机器学习层和该下部mac-a层并且被配置为管理与该网络设备的数字通信的数字数据通信栈。

2、在本公开的其他方面，一种由用户装备(ue)进行无线通信的方法包括从机器学习训练块或机器学习推断块接收控制消息。该方法还包括经由数字数据通信栈向网络设备发送该控制消息。该方法还包括从该机器学习训练块或该机器学习推断块接收用于联合学习的梯度数据。该方法还包括基于网络配置来确定是否经由模拟数据通信栈或数字数据通信栈发送这些梯度数据。该方法还包括根据该确定来经由该模拟数据通信栈或该数字数据通信栈向该网络设备发送这些梯度数据。

3、本公开的其他方面涉及一种用于处理网络设备处的机器学习数据的协议栈架构，该网络设备具有被配置为管理与用户装备(ue)关于机器学习数据的通信的机器学习层。该机器学习层耦接到用于多个神经网络的多个机器学习训练块以及机器学习和推断块。该协议栈架构还具有耦接到该机器学习层的模拟数据通信栈。该模拟数据通信栈具有耦接到该机器学习层并且被配置为存储这些神经网络中的每一者的数据的上部介质访问控制模拟(mac-a)层。该模拟数据通信栈还具有耦接到该上部mac-a层并且被配置为分割和重组模拟机器学习数据的下部mac-a层。该模拟数据通信栈还具有耦接到该下部mac-a层并且被配置为发送和接收去往和来自该网络设备的模拟数据的模拟物理层。该协议栈架构还具有耦接到该机器学习层和该下部mac-a层并且被配置为管理与该ue的数字通信的数字数据通信栈。

4、在本公开的其他方面，一种由网络设备进行无线通信的方法包括从机器学习训练块或机器学习推断块接收控制消息。该方法还包括经由数字数据通信栈发送该控制消息。该方法还包括从该机器学习训练块或该机器学习推断块接收用于联合学习的梯度数据。该方法还包括基于网络配置来确定是否经由模拟数据通信栈或数字数据通信栈发送这些梯度数据。该方法还包括根据该确定来经由该模拟数据通信栈或该数字数据通信栈发送这些梯度数据。

5、各方面整体上包括如基本上参照附图和说明书描述的和如附图和说明书所例示的方法、装置、系统、计算机程序产品、非暂态计算机可读介质、用户装备、基站、无线通信设备和处理系统。

6、上文已经相当广泛地概述了根据本公开内容的示例的特征和技术优点，以便可以更好地理解下面的具体实施方式。将描述附加特征和优点。所公开的概念和特定示例可以容易地被用作用于修改或设计用于实现本公开的相同目的其他结构的基础。此类等效的构造不背离所附权利要求书的保护范围。所公开的概念的特性在其组织和操作方法两方面以及相关联的优势将通过结合附图来考虑以下描述而被更好地理解。提供每个附图是出于例示和描述的目的，而不是作为权利要求的限制的定义。

技术特征：

1.一种用于处理用户装备(ue)处的机器学习数据的协议栈架构，所述协议栈架构包括：

2.根据权利要求1所述的架构，其中所述上部mac-a层被进一步配置用于所述模拟数据的模拟加密、所述模拟数据的承载管理和所述模拟数据的分组管理。

3.根据权利要求1的架构，其中所述下部mac-a层被进一步配置为将所述模拟数据映射到分量载波，管理针对所述模拟数据的数据重传，以及执行来自所述多个神经网络的所述模拟数据的复用和解复用。

4.根据权利要求1所述的架构，其中所述模拟物理层被进一步配置为控制所述模拟数据的带宽大小，映射到发送波形，从接收波形解映射，将所述模拟数据映射到发送端口，以及管理波束成形、预均衡和相位相干。

5.根据权利要求1所述的架构，其中所述下部mac-a层被进一步配置为从所述数字数据通信栈的mac层接收控制消息。

6.根据权利要求5所述的架构，其中所述控制消息动态地配置所述模拟数据通信栈。

7.根据权利要求1所述的架构，其中所述模拟数据通信栈的功能由所述数字数据通信栈执行。

8.一种由用户装备(ue)进行无线通信的方法，所述方法包括：

9.根据权利要求8所述的方法，所述方法还包括动态地接收所述网络配置。

10.根据权利要求9所述的方法，所述方法还包括经由无线电资源控制信令接收所述网络配置。

11.根据权利要求8所述的方法，其中所述网络配置是预配置的。

12.根据权利要求8所述的方法，其中所述确定是逐分组地执行的。

13.根据权利要求8所述的方法，其中所述确定是逐流地执行的。

14.根据权利要求8所述的方法，其中所述网络配置基于参与所述联合学习的ue的数量。

15.根据权利要求8所述的方法，其中所述发送是经由模拟物理上行链路共享信道(pusch-a)。

16.根据权利要求8所述的方法，所述方法还包括经由模拟物理下行链路共享信道(pdsch-a)从所述网络设备接收神经网络权重和/或所述梯度数据。

17.根据权利要求16所述的方法，所述方法还包括经由广播信道从所述网络设备接收所述神经网络权重和/或所述梯度数据。

18.根据权利要求8所述的方法，其中经由所述模拟数据通信栈进行发送包括利用应当执行模拟功能的指示来与所述数字数据通信栈进行通信。

19.一种用于处理网络设备处的机器学习数据的协议栈架构，所述协议栈架构包括：

20.根据权利要求19所述的架构，其中所述上部mac-a层被进一步配置用于所述模拟数据的模拟加密、所述模拟数据的承载管理和所述模拟数据的分组管理。

21.根据权利要求19的架构，其中所述下部mac-a层被进一步配置为将所述模拟数据映射到分量载波，管理针对所述模拟数据的数据重传，以及执行来自所述多个神经网络的所述模拟数据的复用和解复用。

22.根据权利要求19所述的架构，其中所述模拟物理层被进一步配置为控制所述模拟数据的带宽大小，映射到发送波形，从接收波形解映射，将所述模拟数据映射到发送端口，以及管理波束成形、预均衡和相位相干。

23.根据权利要求19所述的架构，其中所述下部mac-a层被进一步配置为从所述数字数据通信栈的mac层接收控制消息。

24.根据权利要求23所述的架构，其中所述控制消息动态地配置所述模拟数据通信栈。

25.根据权利要求19所述的架构，其中所述模拟数据通信栈的功能由所述数字数据通信栈执行。

26.一种由网络设备进行无线通信的方法，所述方法包括：

27.根据权利要求26所述的方法，所述方法还包括经由模拟物理下行链路共享信道(pdsch-a)发送神经网络权重和/或所述梯度数据。

28.根据权利要求27所述的方法，所述方法还包括经由广播信道发送所述神经网络权重和/或所述梯度数据。

29.根据权利要求26所述的方法，其中所述网络配置是预配置的。

30.根据权利要求26所述的方法，其中经由所述模拟数据通信栈进行发送包括利用应当执行模拟功能的指示来与所述数字数据通信栈进行通信。

技术总结
一种用于处理机器学习(ML)数据的协议栈架构包括管理与网络设备的ML数据通信的ML层。该ML层耦接到用于多个神经网络的多个ML训练块以及ML和推断块，以及耦接到该ML层的模拟数据通信栈。该模拟数据通信栈具有耦接到该ML层并且被配置为存储每个神经网络的数据的上部介质访问控制模拟(MAC‑A)层、耦接到该上部MAC‑A层并且被配置为分割和重组模拟ML数据的下部MAC‑A层以及耦接到该下部MAC‑A层并且被配置为与该网络设备传达模拟数据的模拟物理层。该架构包括耦接到该ML层和该下部MAC‑A层并且被配置为管理与该网络设备的数字通信的数字数据通信栈。

技术研发人员：S·耶拉马利,T·余,R·普拉卡什,厉隽怿,E·巴莱维,H·佩泽什基,骆涛,张晓霞,A·戈尔米
受保护的技术使用者：高通股份有限公司
技术研发日：
技术公布日：2024/9/2