CSI预测处理方法、装置、通信设备及可读存储介质

技术领域

本申请属于通信技术领域，具体涉及一种CSI预测处理方法、装置、通信设备及可读存储介质。

背景技术

信道状态信息可对当前信道环境进行描述，在移动通信网络中，基站发射信道状态信息-参考信号(Channel State Information-Reference Signal，CSI-RS)，终端对信道状态信息进行评估并将其量化反馈给基站，通过引入信道状态信息(Channel StateInformation，CSI)反馈信息，基站侧在发送信道状态信息参考信号时可及时进行调整，从而在终端降低误码率，获得最优接收信号。

在无线通信中，信道预测可用来弥补信道测量和实际调度两个操作之间的延迟，提高吞吐量，如何获取信道预测的相关信息是亟待解决的问题。

发明内容

本申请实施例提供一种CSI预测处理方法、装置、通信设备及可读存储介质,能够解决获取信道预测的相关信息的问题。

第一方面，提供一种CSI预测处理方法，包括：

第一设备向第二设备发送第一信息；

其中，所述第一信息包括以下至少一项：

第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；

用于CSI预测的参数；

第一AI模型的标识，所述第一AI模型用于CSI预测。

第二方面，提供一种CSI预测处理方法，包括：

第二设备从第一设备接收第一信息；

其中，所述第一信息包括以下至少一项：

第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；

用于CSI预测的参数；

第一AI模型的标识，所述第一AI模型用于CSI预测。

第三方面，提供一种CSI预测处理装置，包括：

第一发送模块，用于向第二设备发送第一信息；

其中，所述第一信息包括以下至少一项：第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；用于CSI预测的参数；第一AI模型的标识，所述第一AI模型用于CSI预测。

第四方面，提供一种CSI预测处理装置，包括：

第二接收模块，用于接收来自第一设备的第一信息；

其中，所述第一信息包括以下至少一项：第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；用于CSI预测的参数；第一AI模型的标识，所述第一AI模型用于CSI预测。

第五方面，提供了一种通信设备，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面或第二方面所述的方法的步骤。

第六方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面或第二方面所述的方法的步骤。

第七方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面或第二方面所述的法的步骤。

第八方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在非瞬态的存储介质中，所述程序/程序产品被至少一个处理器执行以实现如第一方面或第二方面所述的方法的步骤。

第九方面，提供一种通信系统，所述通信系统包括第一设备与第二设备，所述第一设备用于执行如第一方面所述的方法的步骤，所述第二设备用于执行如第二方面所述的方法的步骤。

在本申请实施例中，第一设备可以向第二设备发送第一信息，第二设备可以根据第一信息确定CSI预测模型或者CSI预测参数，第一设备在不做预测验证也可以给出适用于实际信道的CSI预测模型或者CSI预测参数，通过提前确定CSI预测参数或者CSI预测模型来降低模型调整或模型搜索的开销。

附图说明

图1是神经网络的示意图；

图2是神经元的示意图；

图3是基于AI的CSI预测示意图；

图4是预测不同的未来时刻的性能的示意图；

图5是使用不同数量的历史CSI预测未来+5ms的性能的示意图；

图6为本申请实施例的无线通信系统的架构示意图；

图7是本申请实施例提供的CSI预测处理方法的流程图之一；

图8是本申请实施例提供的CSI预测处理方法的流程图之二；

图9是本申请实施例提供的CSI预测处理方法的流程图之三；

图10是本申请实施例提供的CSI预测处理装置的示意图之一；

图11是本申请实施例提供的CSI预测处理装置的示意图之二；

图12是本申请实施例提供的终端的示意图；

图13是本申请实施例提供的网络侧设备的示意图；

图14是本申请实施例提供的通信设备的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6

为了便于理解本申请的实施方式，下面先介绍以下技术点。

1、关于神经网络的介绍

人工智能目前在各个领域获得了广泛的应用。人工智能(ArtificialIntelligence，AI)模块有多种实现方式，例如神经网络、决策树、支持向量机、贝叶斯分类器等。

本申请以神经网络为例进行说明，但是并不限定AI模块的具体类型，神经网络的结构如图1所示。

其中，神经网络由神经元组成，神经元的示意图如图2所示。其中a

神经网络的参数可以通过优化算法进行优化。优化算法就是一种能够最小化或者最大化目标函数(有时候也叫损失函数)的一类算法。而目标函数往往是模型参数和数据的数学组合。例如给定数据X和其对应的标签Y，构建一个神经网络模型f(.)，有了模型后，根据输入x就可以得到预测输出f(x)，并且可以计算出预测值和真实值之间的差距(f(x)-Y)，这个就是损失函数。如果找到合适的W,b使上述的损失函数的值达到最小，损失值越小，则说明模型越接近于真实情况。

目前常见的优化算法，基本都是基于误差反向传播(error Back Propagation，BP)算法。BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐藏层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐藏层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程，是周而复始地进行的。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度，或进行到预先设定的学习次数为止。

一般而言，根据解决类型不同，选取的AI算法和采用的模型也有所差别。根据相关技术，借助AI提升第五代移动通信技术(5th Generation，5G)网络性能的主要方法是通过基于神经网络的算法和模型增强或者替代目前已有的算法或处理模块。在特定场景下，基于神经网络的算法和模型可以取得比基于确定性算法更好的性能。比较常用的神经网络包括深度神经网络、卷积神经网络和循环神经网络等。借助已有AI工具，可以实现神经网络的搭建、训练与验证工作。

通过AI/机器学习(Machine Learning，ML)方法替代现有系统中的模块能够有效提升系统性能。

如信道状态信息(Channel State Information，CSI)预测，将历史CSI输入给AI模型，AI模型分析信道的时域变化特性，输出未来的CSI。具体如图3所示。

对应的系统性能如图4和图5所示。可以看到CSI预测相比于不预测的方案会有非常大的性能增益。同时，预测的未来时刻不同，可以达到的预测精度也会不一样，如图4所示。

此外，输入AI模型的历史CSI个数也会影响CSI预测的性能，图5描述的是使用不同数量的历史CSI预测未来+5ms的性能。可见，随着历史CSI个数的增加，预测精度也会提高。但是，更多的历史CSI个数意味着更高的复杂度和缓存开销，因此也不能一味地增加历史CSI个数。

在无线通信中，信道预测可用来弥补信道测量和实际调度两个操作之间的延迟，提高吞吐量。CSI预测的精度与预测参数有非常大的关系。对于泛化能力不足的预测模型，需要针对不同信道使用不同的预测模型。实际中，执行预测的节点不一定存储所有的模型，而是根据实际需求动态地请求新的预测模型。即使预测节点存储了适用于当前信道的预测模型，也可以通过提前估计预测参数或预测模型来降低模型调整或模型搜索的开销。

图6示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端61和网络侧设备62。其中，无线通信系统可以是5G演进(5G-Advanced)或6G等具备无线AI功能的通信系统。

其中，终端61可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personal computer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(Wearable Device)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。除了上述终端设备，本申请涉及的终端也可以是终端内的芯片，例如调制解调器(Modem)芯片，系统级芯片(System on Chip，SoC)。需要说明的是，在本申请实施例并不限定终端61的具体类型。

网络侧设备62可以包括接入网设备或核心网设备，其中，接入网设备也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备可以包括基站、WLAN接入点或WiFi节点等，基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(Basic Service Set，BSS)、扩展服务集(Extended Service Set，ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例进行介绍，并不限定基站的具体类型。

核心网设备可以包含但不限于如下至少一项：核心网节点、核心网功能、移动管理实体(Mobility Management Entity，MME)、接入和移动管理功能(Access and MobilityManagement Function，AMF)、会话管理功能(Session Management Function，SMF)、用户平面功能(User Plane Function，UPF)、策略控制功能(Policy Control Function，PCF)、策略与计费规则功能单元(Policy and Charging Rules Function，PCRF)、边缘应用服务发现功能(Edge Application Server Discovery Function，EASDF)、统一数据管理(UnifiedData Management，UDM)，统一数据仓储(Unified Data Repository，UDR)、归属用户服务器(Home Subscriber Server，HSS)、集中式网络配置(Centralized networkconfiguration，CNC)、网络存储功能(Network Repository Function，NRF)，网络开放功能(Network Exposure Function，NEF)、本地NEF(Local NEF，或L-NEF)、绑定支持功能(Binding Support Function，BSF)、应用功能(Application Function，AF)等。需要说明的是，在本申请实施例中仅以NR系统中的核心网设备为例进行介绍，并不限定核心网设备的具体类型。

本申请实施例涉及的AI模型也可以称为ML模型。

下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的CSI预测处理方法、装置、通信设备及可读存储介质进行详细地说明。

参见图7，本申请实施例提供一种CSI预测处理方法，具体步骤包括：步骤701。

步骤701：第一设备向第二设备发送第一信息；

其中，第一信息可以辅助第二设备进行CSI预测，即第二设备可以根据第一信息确定用于CSI预测的模型，或者用于CSI预测的参数。

第一设备可以包括具有无线AI功能的通信设备。

其中，所述第一信息包括以下至少一项：

(1)第二信息，所述第二信息包括表示历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；

其中，历史时刻的信道信息可以称为历史CSI，历史时刻用于表示对应历史CSI的时刻，如图3所示，多个历史CSI包括：CSI t

示例性的，计算历史时刻的信道信息与目标信道信息或目标信道特征的误差，均方误差、归一化的均方误差或者余弦相似度，得到比对结果，可选的，该对比结果可以用分值表示，分值越高表示历史时刻的信道信息与目标信道信息或目标信道特征越相似。

上述目标信道信息也可以称为典型信道信息，目标信道特征也可以称为典型信道特征。

(2)用于CSI预测的参数；

可选的，第一设备可以根据第二信息，确定用于CSI预测的参数，也就是，基于历史时刻的信道信息与目标信道信息或目标信道特征的比对结果确定预测参数，在不做预测验证的情况下也可以给出适用于实际信道的预测参数，通过提前确定预测参数来降低AI模型调整或AI模型搜索的开销。

(3)第一AI模型的标识，所述第一AI模型用于CSI预测。

可选的，第一设备可以根据第二信息，确定第一AI模型的标识，具体地，第一设备根据第二信息选择与当前环境匹配的第一AI模型，并向第二设备发送第一AI模型的标识，也就是，可以基于历史时刻的信道信息与目标信道信息或目标信道特征的比对结果确定第一AI模型，在不做预测验证也可以给出适用于实际信道的第一AI模型，通过提前确定第一AI模型来降低AI模型调整或AI模型搜索的开销。

在本申请的一种实施方式中，所述方法还包括：

所述第一设备接收来自所述第二设备的第三信息；

其中，所述第三信息包括以下至少一项：(1)第二AI模型，所述第二AI模型用于CSI预测；(2)所述第二AI模型的标识。

可选的，第一设备接收第二设备根据第一信息发送的第三信息，第三信息中携带第二设备建议的第二AI模型的相关信息，这样可以在第一设备和第二设备间同步第二AI模型。第一设备可以通过第二AI模型进行CSI预测。

在本申请的一种实施方式中，所述第一AI模型与所述第二AI模型是同一个模型，或者所述第一AI模型与所述第二AI模型不是同一个模型。

在本申请的一种实施方式中，所述方法还包括：

所述第一设备根据第三AI模型，得到所述第一信息。

在本申请的一种实施方式中，所述第三AI模型的输入包括以下至少一项：N个历史时刻的信道信息、所述目标信道信息或目标信道特征，N为大于等于1的整数。

比如，第三AI模型的输入包括至少一个历史时刻的信道信息，该第三AI模型的输入还可以包括与第二AI模型或用于CSI预测的参数对应的目标信道信息或信道特征。

在本申请的一种实施方式中，所述第三AI模型包括用于信道比对的模型和/或用于获取用于CSI预测的参数的模型。

在本申请的一种实施方式中，所述模型包括以下至少一项：

(1)孪生网络(Siamese Network)；

比如，基于二元交叉熵、对比函数或三元组损失的孪生网络；

(2)对比学习网络(Contrastive Learning Network)；

(3)匹配网络(Matching Network)；

(4)原型网络(Prototypical Network)；

(5)关系网络(Relation Network)。

在本申请的一种实施方式中，所述第一AI模型与至少一个所述目标信道信息或目标信道特征具有第一对应关系。

可选的，每一个第一AI模型都有一个与之对应的目标信道信息或目标信道特征，也就是基于目标信道信息或目标信道可以确定与其对应的第一AI模型。

在本申请的一种实施方式中，所述用于CSI预测的参数与至少一个目标信道信息或目标信道特征对应具有第二对应关系。

也就是，基于目标信道信息或目标信道可以确定与其对应的用于CSI预测的参数。

在本申请的一种实施方式中，所述第一对应关系或第二对应关系是协议约定的，或者是所述第一设备配置的，或者是所述第一设备和所述第二设备协商确定的，或者是所述第二设备给所述第一设备配置的。

比如，该第一对应关系或第二对应关系可以是协议预先定义的，也可以是第一设备和第二设备通过信令交互协商的。

在本申请的一种实施方式中，所述用于CSI预测的参数包括以下至少一项：

(1)预测时间信息；

可选的，预测时间信息用于表示待测的时间位置，比如，未来1ms、未来2ms等，或者未来1时隙(slot)、未来2slot等。

(2)CSI间隔；

可选的，CSI间隔用于表示预测的多个历史CSI之间的间隔。

上述CSI间隔也可以称为CSI周期。

(3)CSI个数；

可选的，CSI个数用于表示预测的多个历史CSI的个数。

(4)CSI窗口长度；

可选的，CSI窗口长度用于表示预测的多个历史CSI占的时域长度。

(5)预测的频域信息；

可选的，预测的频域信息可以包括：物理资源块(Physical Resource Block，PRB)数、PRB位置、子带数、子带位置等中的至少一项。

(6)预测的空域信息。

可选的，预测的空域信息可以包括：天线数、端口数、波束数等中的至少一项。

在本申请的一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)物理上行控制信道(Physical Uplink Control Channel，PUCCH)的层1信令；

(2)物理随机接入信道(Physical Random Access Channel，PRACH)的MSG 1；

(3)PRACH的MSG 3；

(4)PRACH的MSG A；

(5)物理上行共享信道(Physical Uplink Shared Channel，PUSCH)的信息。

在本实施例中，所述第一设备为终端，所述第二设备为网络侧设备。

在本申请的另一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)媒体接入控制(medium access control，MAC)控制元素(control element，CE)；

(2)无线资源控制(Radio Resource Control，RRC)消息；

(3)非接入层(Non-Access Stratum，NAS)消息；

(4)管理编排消息；

(5)用户面数据；

(6)下行控制信息(Downlink Control Information，DCI)；

(7)系统信息块(System Information Block，SIB)；

(8)物理下行控制信道(Physical Downlink Control Channel，PDCCH)的层1信令；

(9)物理下行共享信道(Physical Downlink Shared Channel，PDSCH)的信息；

(10)PRACH的MSG 2；

(11)PRACH的MSG 4；

(12)PRACH的MSG B。

在本实施例中，所述第一设备为网络侧设备，所述第二设备为终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)Xn接口信令；

(2)PC5接口信令；

(3)物理直通链路控制信道(Physical Sidelink Control Channel，PSCCH)的信息；

(4)物理直通链路共享信道(Physical Sidelink Shared Channel，PSSCH)的信息；

(5)物理直通链路广播信道(Physical Sidelink Broadcast Channel，PSBCH)的信息；

(6)物理直通链路发现信道(Physical Sidelink Discovery Channel，PSDCH)的信息；

(7)物理直通链路反馈信道(Physical Sidelink Feedback Channel，PSFCH)的信息。

本实施例中，所述第一设备为第一终端，所述第二设备为第二终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令中的至少一项：

(1)S1接口信令；

(2)Xn接口信令。

比如，X2接口信令。

本实施例中，所述第一设备为第一网络侧设备，所述第二设备为第二网络侧设备。

在本申请实施例中，第一设备可以向第二设备发送第一信息，第二设备可以根据第一信息确定CSI预测模型或者CSI预测参数，这样第一设备在不做预测验证也可以给出适用于实际信道的CSI预测模型或者CSI预测参数，通过提前确定CSI预测参数或者CSI预测模型来降低AI模型调整或AI模型搜索的开销。

参见图8，本申请实施例提供一种CSI预测处理方法，应用于第二设备，该第二设备可以包括具有无线AI功能的通信设备，具体步骤包括：步骤801。

步骤801：第二设备接收来自第一设备的第一信息；

其中，所述第一信息包括以下至少一项：(1)第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；(2)用于CSI预测的参数；(3)第一AI模型的标识，所述第一AI模型用于CSI预测。

在本申请的一种实施方式中，所述方法还包括：

所述第二设备向所述第一设备发送第三信息；

其中，所述第三信息包括以下至少一项：(1)第二AI模型，所述第二AI模型用于CSI预测；(2)所述第二AI模型的标识。

在本申请的一种实施方式中，所述第一AI模型与所述第二AI模型是同一个模型，或者所述第一AI模型与所述第二AI模型不是同一个模型。

在本申请的一种实施方式中，所述第一信息是所述第一设备根据第三AI模型得到的。

在本申请的一种实施方式中，所述第三AI模型的输入包括以下至少一项：N个历史时刻的信道信息、所述目标信道信息或目标信道特征，N为大于等于1的整数。

在本申请的一种实施方式中，所述第一AI模型包括用于信道比对的模型和/或用于获取CSI预测的参数的模型。

在本申请的一种实施方式中，所述模型包括以下至少一项：孪生网络、对比学习网络、原型网络、关系网络。

在本申请的一种实施方式中，所述第一AI模型与至少一个所述目标信道信息或目标信道特征具有第一对应关系。

在本申请的一种实施方式中，所述用于CSI预测的参数与至少一个目标信道信息或目标信道特征对应具有第二对应关系。

在本申请的一种实施方式中，所述第一对应关系或第二对应关系是协议约定的，或者是所述第一设备配置的，或者是所述第一设备和所述第二设备协商确定的，或者是所述第二设备给所述第一设备配置的。

在本申请的一种实施方式中，所述用于CSI预测的参数包括以下至少一项：

(1)预测时间信息；

(2)CSI间隔；

(3)CSI个数；

(4)CSI窗口长度；

(5)预测的频域信息；

(6)预测的空域信息。

在本申请的一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)PUCCH的层1信令；

(2)PRACH的MSG 1；

(3)PRACH的MSG 3；

(4)PRACH的MSG A；

(5)PUSCH的信息。

在本实施例中，所述第一设备为终端，所述第二设备为网络侧设备。

在本申请的另一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)MAC CE；

(2)RRC消息；

(3)NAS消息；

(4)管理编排消息；

(5)用户面数据；

(6)DCI；

(7)SIB；

(8)PDCCH的层1信令；

(9)PDSCH的信息；

(10)PRACH的MSG 2；

(11)PRACH的MSG 4；

(12)PRACH的MSG B。

在本实施例中，所述第一设备为网络侧设备，所述第二设备为终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)Xn接口信令；

(2)PC5接口信令；

(3)PSCCH的信息；

(4)PSSCH的信息；

(5)PSBCH的信息；

(6)PSDCH的信息；

(7)PSFCH的信息。

本实施例中，所述第一设备为第一终端，所述第二设备为第二终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令中的至少一项：

(1)S1接口信令；

(2)Xn接口信令。

本实施例中，所述第一设备为第一网络侧设备，所述第二设备为第二网络侧设备。

在本申请实施例中，第二设备可以根据来自第一设备的第一信息确定CSI预测模型或者CSI预测参数，这样该第一设备在不做预测验证也可以给出适用于实际信道的CSI预测模型或者CSI预测参数，通过提前确定CSI预测参数或者CSI预测模型来降低AI模型调整或AI模型搜索的开销。

为了便于理解本申请的实施方式，下面结合实施例一进行介绍。

实施例一

参见图9，具体步骤如下：

步骤1：第一设备通过第三AI模型对历史时刻的信道信息与目标信道信息或目标信道特征进行比对，得到比对结果；

步骤2：第一设备根据比对结果向第二设备发送第一信息；

步骤3：第二设备根据第一信息，确定第二AI模型；

步骤4：第二设备向第一设备发送第三信息，所述第三信息携带第二AI模型的相关信息；

步骤5：第一设备根据第二AI模型进行CSI预测。

在本申请实施例中，第一设备可以向第二设备发送第一信息，第二设备可以根据第一信息确定CSI预测模型或者CSI预测参数，第一设备在不做预测验证也可以给出适用于实际信道的CSI预测模型或者CSI预测参数，通过提前确定CSI预测参数或者CSI预测模型来降低AI模型调整或AI模型搜索的开销。

参见图10，本申请实施例提供一种CSI预测处理装置，应用于第一设备，该第一设备可以包括具有无线AI功能的通信设备，装置1000包括：

第一发送模块1001，用于向第二设备发送第一信息；

其中，所述第一信息包括以下至少一项：

(1)第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；

上述目标信道信息也可以称为典型信道信息，目标信道特征也可以称为典型信道特征。

(2)用于CSI预测的参数；

(3)第一AI模型的标识，所述第一AI模型用于CSI预测。

在本申请的一种实施方式中，所述装置还包括：

第一接收模块，用于接收来自所述第二设备的第三信息；

其中，所述第三信息包括以下至少一项：(1)第二AI模型，所述第二AI模型用于CSI预测；(2)所述第二AI模型的标识。

在本申请的一种实施方式中，所述第一AI模型与所述第二AI模型是同一个模型，或者所述第一AI模型与所述第二AI模型不是同一个模型。

在本申请的一种实施方式中，所述装置还包括：

处理模块，用于根据第三AI模型，得到所述第一信息。

在本申请的一种实施方式中，所述第三AI模型的输入包括以下至少一项：N个历史时刻的信道信息、所述目标信道信息或目标信道特征，N为大于等于1的整数。

在本申请的一种实施方式中，所述第三AI模型包括用于信道比对的模型和/或用于获取所述用于CSI预测的参数的模型。

在本申请的一种实施方式中，所述模型包括以下至少一项：孪生网络、对比学习网络、匹配网络、原型网络、关系网络。

在本申请的一种实施方式中，所述第一AI模型与至少一个所述目标信道信息或目标信道特征具有第一对应关系。

在本申请的一种实施方式中，所述用于CSI预测的参数与至少一个目标信道信息或目标信道特征对应具有第二对应关系。

在本申请的一种实施方式中，所述第一对应关系或第二对应关系是协议约定的，或者是所述第一设备配置的，或者是所述第一设备和所述第二设备协商确定的，或者是所述第二设备给所述第一设备配置的。

在本申请的一种实施方式中，所述用于CSI预测的参数包括以下至少一项：

(1)预测时间信息；

(2)CSI间隔；

(3)CSI个数；

(4)CSI窗口长度；

(5)预测的频域信息；

(6)预测的空域信息。

在本申请的一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)PUCCH的层1信令；

(2)PRACH的MSG 1；

(3)PRACH的MSG 3；

(4)PRACH的MSG A；

(5)PUSCH的信息。

在本实施例中，所述第一设备为终端，所述第二设备为网络侧设备。

在本申请的另一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)MAC CE；

(2)RRC消息；

(3)NAS消息；

(4)管理编排消息；

(5)用户面数据；

(6)DCI信息；

(7)SIB；

(8)PDCCH的层1信令；

(9)PDSCH的信息；

(10)PRACH的MSG 2；

(11)PRACH的MSG 4；

(12)PRACH的MSG B。

在本实施例中，所述第一设备为网络侧设备，所述第二设备为终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)Xn接口信令；

(2)PC5接口信令；

(3)PSCCH的信息；

(4)PSSCH的信息；

(5)PSBCH的信息；

(6)PSDCH的信息；

(7)PSFCH的信息。

本实施例中，所述第一设备为第一终端，所述第二设备为第二终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令中的至少一项：

(1)S1接口信令；

(2)Xn接口信令。

本实施例中，所述第一设备为第一网络侧设备，所述第二设备为第二网络侧设备。

本申请实施例提供的装置能够实现图7的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

参见图11，本申请实施例提供一种CSI预测处理装置，应用于第二设备，该第二设备包括具有无线AI功能的通信设备，装置1100包括：

第二接收模块1101，用于接收来自第一设备的第一信息；

其中，所述第一信息包括以下至少一项：(1)第二信息，所述第二信息包括历史时刻的信道信息与目标信道信息或目标信道特征的比对结果，所述第二信息用于确定用于CSI预测的参数和/或模型；(2)用于CSI预测的参数；(3)第一AI模型的标识，所述第一AI模型用于CSI预测。

在本申请的一种实施方式中，所述装置还包括：

第二发送模块，用于向所述第一设备发送第三信息；

其中，所述第三信息包括以下至少一项：(1)第二AI模型，所述第二AI模型用于CSI预测；(2)所述第二AI模型的标识。

在本申请的一种实施方式中，所述第一AI模型与所述第二AI模型是同一个模型，或者所述第一AI模型与所述第二AI模型不是同一个模型。

在本申请的一种实施方式中，所述第一信息是所述第一设备根据第三AI模型得到的。

在本申请的一种实施方式中，所述第三AI模型的输入包括以下至少一项：N个历史时刻的信道信息、所述目标信道信息或目标信道特征，N为大于等于1的整数。

在本申请的一种实施方式中，所述第一AI模型包括用于信道比对的模型和/或用于获取CSI预测的参数的模型。

在本申请的一种实施方式中，所述模型包括以下至少一项：孪生网络、对比学习网络、原型网络、关系网络。

在本申请的一种实施方式中，所述第一AI模型与至少一个所述目标信道信息或目标信道特征具有第一对应关系。

在本申请的一种实施方式中，所述用于CSI预测的参数与至少一个目标信道信息或目标信道特征对应具有第二对应关系。

在本申请的一种实施方式中，所述第一对应关系或第二对应关系是协议约定的，或者是所述第一设备配置的，或者是所述第一设备和所述第二设备协商确定的，或者是所述第二设备给所述第一设备配置的。

在本申请的一种实施方式中，所述用于CSI预测的参数包括以下至少一项：

(1)预测时间信息；

(2)CSI间隔；

(3)CSI个数；

(4)CSI窗口长度；

(5)预测的频域信息；

(6)预测的空域信息。

在本申请的一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)PUCCH的层1信令；

(2)PRACH的MSG 1；

(3)PRACH的MSG 3；

(4)PRACH的MSG A；

(5)PUSCH的信息。

在本实施例中，所述第一设备为终端，所述第二设备为网络侧设备。

在本申请的另一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)MAC CE；

(2)RRC消息；

(3)NAS消息；

(4)管理编排消息；

(5)用户面数据；

(6)DCI信息；

(7)SIB；

(8)PDCCH的层1信令；

(9)PDSCH的信息；

(10)PRACH的MSG 2；

(11)PRACH的MSG 4；

(12)PRACH的MSG B。

在本实施例中，所述第一设备为网络侧设备，所述第二设备为终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令或信息中的至少一项：

(1)Xn接口信令；

(2)PC5接口信令；

(3)PSCCH的信息；

(4)PSSCH的信息；

(5)PSBCH的信息；

(6)PSDCH的信息；

(7)PSFCH的信息。

本实施例中，所述第一设备为第一终端，所述第二设备为第二终端。

在本申请的又一种实施方式中，所述第一信息和/或第三信息承载于以下信令中的至少一项：

(1)S1接口信令；

(2)Xn接口信令。

本实施例中，所述第一设备为第一网络侧设备，所述第二设备为第二网络侧设备。

本申请实施例提供的装置能够实现图8的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

图12为实现本申请实施例的一种终端的硬件结构示意图。该终端1200包括但不限于：射频单元1201、网络模块1202、音频输出单元1203、输入单元1204、传感器1205、显示单元1206、用户输入单元1207、接口单元1208、存储器1209以及处理器1220等中的至少部分部件。

本领域技术人员可以理解，终端1200还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1220逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图12中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

应理解的是，本申请实施例中，输入单元1204可以包括图形处理单元(GraphicsProcessing Unit，GPU)12041和麦克风12042，图形处理器12041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1206可包括显示面板12061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板12061。用户输入单元1207包括触控面板12071以及其他输入设备12072中的至少一种。触控面板12071，也称为触摸屏。触控面板12071可包括触摸检测装置和触摸控制器两个部分。其他输入设备12072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

本申请实施例中，射频单元1201接收来自网络侧设备的下行数据后，可以传输给处理器1220进行处理；另外，射频单元1201可以向网络侧设备发送上行数据。通常，射频单元1201包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。

存储器1209可用于存储软件程序或指令以及各种数据。存储器1209可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器1209可以包括易失性存储器或非易失性存储器，或者，存储器1209可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本申请实施例中的存储器1209包括但不限于这些和任意其它适合类型的存储器。

处理器1220可包括一个或多个处理单元；可选的，处理器1220集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器1220中。

本申请实施例提供的终端能够实现图7或图8的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

请参阅图13，图13是本发明实施例应用的通信设备的结构图，如图13所示，通信设备1300包括：处理器1301、收发机1302、存储器1303和总线接口，其中，处理器501可以负责管理总线架构和通常的处理。存储器1303可以存储处理器1301在执行操作时所使用的数据。

在本发明的一个实施例中，通信设备1300还包括：存储在存储器1203并可在处理器1301上运行的程序，程序被处理器1301执行时实现以上图7或图8所示方法中的步骤。

在图13中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1301代表的一个或多个处理器和存储器1303代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机1302可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。

可选的，如图14所示，本申请实施例还提供一种通信设备1400，包括处理器1401和存储器1402，存储器1402上存储有可在所述处理器1401上运行的程序或指令，例如，该通信设备1400为终端时，该程序或指令被处理器1401执行时实现上述图7或图8方法实施例的各个步骤，该通信设备1400为网络侧设备时，该程序或指令被处理器1401执行时实现上述图8或图7方法实施例的各个步骤且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现图7或图8方法及上述各个实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。

本申请实施例还提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现图7或图8所示及上述各个方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。

本申请实施例还提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现图7或图8所示及上述各个方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种通信系统，所述通信系统包括终端与网络侧设备，所述终端用于执行如图7或图8及上述各个方法实施例的各个过程，所述网络侧设备用于执行如图8或图7及上述各个方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。