上行链路RAN中使用神经网络的预处理

技术领域

各实施例总体上涉及用于无线电接入网中的上行链路通信的预处理的方法和装置。具体地，各实施例涉及用于在这样的无线电接入网的基站的无线电头装置与中央处理装置之间的接口上的压缩的方法和装置。

背景技术

在多输入多输出(MIMO)系统中，由大量天线组成的基站在相同的频率资源上同时与多个空间分离的用户设备通信。考虑到上行链路，用户设备在多个传输层上发送他们的信号，这些传输层被复用以使用相同的时间和频率资源在无线电信道上传输。

MIMO系统是5G新无线电(NR)的基石。NR在很大程度上依赖于基站处的天线端口的数目、用户设备侧的天线端口/面板的数量的增加以及基站处理大量传输层的能力。

开放式RAN或开放式无线电接入网(O-RAN)是基于RAN元件的互操作性和标准化的概念，包括来自不同供应商的白盒硬件和开源软件元件的统一互连标准。O-RAN架构将模块化基站软件堆栈集成在现成的硬件上，允许来自不同供应商的组件无缝地一起操作。

特别地，ORAN定义了基站的功能划分，包括无线电头装置和中央处理装置，其通过被称为前端的具有有限容量的连接介质而连接。

例如，在ORAN前端规范的选项7-2x中，在中央处理装置中实现资源元素映射和更高的功能，而在无线电头装置中实现数字波束成形和更低的功能。对于每个MIMO传输层，前端在频域中传输OFDM信号的IQ采样序列。

无线电头装置和中央处理装置之间的功能划分是由几种权衡造成的，特别是前端所需的带宽。一方面，当在无线电头装置上执行较多功能时，前端的压力较小。然而，这在无线电头装置侧的处理和存储能力方面增加了成本。无线电头装置的维护成本/特别是软件升级成本也将增加。当把较多功能放在中央处理装置侧时，成本较低，但前端容量成为瓶颈。

由于5G及以后的系统预计会有高连接密度，因此无线电头装置和中央处理装置需要处理大量的传输层。当用已知的量化方案(如均匀量化、Lloyd-Max量化或基于Grassmanian流形的量化)在无线电头装置处直接处理接收信号时，由于接收信号的大尺寸，导致了严重的劣化。因此，在无线电头装置处需要有效的压缩，以减小接收信号的尺寸并对较小尺寸的信号执行量化。

发明内容

保护范围由独立权利要求限定。本说明书中描述的不属于保护范围的实施例、实例和特征(如果有的话)将被解释为有助于理解落入保护范围的各种实施例或实例的实例。

根据第一方面，公开了一种在无线电接入网络的基站中使用的无线电头装置，该无线电头装置被配置为从基站的中央处理装置接收压缩模型信息，通过无线电信道从用户设备接收数据信号，预处理数据信号，包括通过使用神经网络压缩数据信号，该神经网络是基于压缩模型信息在一组神经网络中选择的，将预处理的数据信号发送给中央处理装置。

根据第二方面，公开了一种用于在无线电接入网的基站中的无线电头装置处压缩数据信号的方法，该方法包括从基站的中央处理装置接收压缩模型信息，通过无线电信道从用户设备接收数据信号，预处理数据信号，包括通过使用神经网络压缩数据信号，基于压缩模型信息在一组神经网络中选择神经网络，将预处理的数据信号发送给中央处理装置。

根据第三方面，公开了一种在无线电接入网络的基站中使用的中央处理装置，所述中央处理装置被配置为通过基站的无线电头装置至少接收由用户设备在无线电信道上发送的信道信息信号，基于所述信道信息信号获得，指示在一组神经网络中要由无线电头装置进行压缩的神经网络的压缩模型信息将压缩模型信息发送给无线电头装置。

根据第四方面，公开了一种用于优化无线电接入网络的基站中的数据信号的压缩的方法，其中所述基站至少包括无线电头装置和中央处理装置，所述方法包括在所述中央处理装置处通过所述无线电头装置接收，至少一个由用户设备在无线电信道上发送的信道信息信号，由中央处理装置基于信道信息信号获得压缩模型信息，该压缩模型信息指示一组神经网络中要由无线电头装置用于压缩的神经网络，由所述中央处理装置向所述无线电头装置发送所述压缩模型信息。

根据另一个方面，公开了一种用于压缩数据的无线电头装置和方法，其中无线电信道由信道系数定义，并且神经网络包括接收数据信号和信道系数的输入层、压缩数据信号的压缩层和执行压缩数据信号量化的量化层。

根据另一个方面，公开了一种无线电头装置，其进一步被配置为通过执行对神经网络的迭代的权重的更新来与中央处理装置联合训练神经网络。还公开了一种方法，包括通过执行对神经网络的迭代的权重的更新来与中央处理装置联合训练神经网络。

根据另一个方面，公开了一种中央处理装置，该中央处理装置还被配置为基于信道信息信号获得要在信道上复用的层数，其中压缩模型信息取决于要在信道中复用的层数。还公开了一种方法，包括基于信道信息信号获得要在信道上复用的层数，其中压缩模型信息取决于要在信道中复用的层数。

根据另一个方面，公开了一种分发单元，其进一步被配置为从信道信息信号获得宽带信息，其中压缩模型信息取决于宽带信息。还公开了一种方法，包括从信道信息信号获得宽带信息，其中压缩模型信息取决于宽带信息。

根据另一个方面，公开了一种中央处理装置，该中央处理装置还被配置为从无线电头装置接收预处理的数据信号，并通过使用基于发送给无线电头装置的压缩模型信息在神经网络集合中选择的神经网络来解码预处理的数字信号，其中所述神经网络包括用于接收所述预处理的数据信号的接收层和用于解码所述预处理的数据信号的解码层。还公开了一种方法，包括从无线电头装置接收预处理的数据信号，其中所述神经网络包括用于接收所述预处理的数据信号的接收层和用于解码所述预处理的数据信号的解码层。

根据另一个方面，公开了一种中央处理装置，该中央处理装置被进一步配置为通过执行对神经网络的迭代的权重的更新来与无线电头装置联合训练神经网络。还公开了一种通过执行对神经网络的迭代的权重的更新来与无线电头装置联合训练神经网络的方法。

在至少一个示例实施例中，无线电头装置包括至少一个处理器和包括计算机程序代码的至少一个存储器。如上所述，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述无线电头装置执行用于在无线电接入网络的基站中的无线电头装置处压缩数据信号的方法。

在至少一个示例实施例中，中央处理装置包括至少一个处理器和包括计算机程序代码的至少一个存储器。所述至少一个存储器和所述计算机程序代码被配置为，与至少一个处理器一起，使所述中央处理装置执行用于优化无线电接入网络的基站中的数据信号的压缩的方法，如本文所公开的。

一般而言，无线电头装置包括用于执行如本文所公开的用于在无线电接入网络的基站中压缩数据信号的方法的一个或多个或所有步骤的装置。该装置可以包括被配置为执行用于在无线电接入网络的基站中的无线电头装置处压缩数据信号的方法的一个或多个或所有步骤的电路，如本文所公开的。所述装置可以包括至少一个处理器和包括计算机程序代码的至少一个存储器，其中所述至少一个内存和所述计算机程序代码被配置为与所述至少一个处理器一起使所述无线电头装置执行如本文所公开的用于在无线电接入网络的基站中压缩数据信号的方法的一个或多个或全部步骤。

一般而言，中央处理装置包括用于执行如本文所公开的用于优化无线电接入网络的基站中的数据信号的压缩的方法的一个或多个或所有步骤的装置。该装置可以包括被配置为执行如本文所公开的用于优化无线电接入网络的基站中的数据信号的压缩的方法的一个或多个或所有步骤的电路。所述装置可以包括至少一个处理器和包括计算机程序代码的至少一个存储器，其中所述至少一个内存和所述计算机程序代码被配置为与所述至少一个处理器一起使所述中央处理装置执行所述方法的一个或多个或全部步骤，所述方法用于优化无线电接入网络的基站中的数据信号的压缩，如本文所公开的。

至少一个示例实施例提供了一种存储计算机可执行指令的非暂时性计算机可读介质，该计算机可执行命令当由无线电头装置处的至少一个处理器执行时，使得无线电头装置执行用于在无线电接入网的基站中压缩数据信号的方法，如本文所公开的。

通常，计算机可执行指令使无线电头装置执行如本文所公开的用于在无线电接入网络的基站中压缩数据信号的方法的一个或多个或全部步骤。

至少一个示例实施例提供了一种存储计算机可执行指令的非暂时性计算机可读介质，该计算机可执行命令当由中央处理装置处的至少一个处理器执行时，使得中央处理装置执行用于优化无线电接入网的基站中的数据信号的压缩的方法，如本文所公开的。

通常，计算机可执行指令使中央处理装置执行如本文所公开的用于优化无线电接入网络的基站中的数据信号的压缩的方法的一个或多个或全部步骤。

附图描述

现在将参考附图描述示例性实施例，其中：

图1是示出根据本公开的包括用户设备、无线电头装置和中央处理装置的无线电接入网络的示意图；

图2是示出根据本公开的示例性实施例的分布式神经网络的示意图；

图3是示出根据本公开的示例性实施例的无线电头装置和中央处理装置之间的压缩模型的设置的流程图；

图4是根据示例实现的可用于实现无线电头装置和/或中央处理装置的设备的框图。

应该注意的是，这些图旨在说明在某些示例实施例中使用的方法、结构和/或材料的一般特征，并补充以下提供的书面描述。然而，这些图纸并非按比例绘制，也可能无法准确反映任何给定实施例的确切结构或性能特征，不应解释为定义或限制示例实施例所包含的值或财产的范围。在各种附图中使用类似或相同的附图标记旨在指示类似或相同元件或特征的存在。

具体实施例

现在将参考附图更全面地描述各种示例性实施例，包括用于压缩通过连接介质从无线电头装置发送给无线电接入网络中基站的中央处理装置的信号的设备和方法。然而，本文公开的具体结构和功能细节仅仅是为了描述示例实施例的目的而具有代表性。示例性实施例可以以许多替代形式体现，并且不应被解释为仅限于本文所阐述的实施例。应当理解，并不意图将示例实施例限制为所公开的特定形式。

图1示出了无线电接入网络RAN的示例。在该示例中，RAN包括K个用户设备UE1、UE2、…UEK和基站BS。基站BS包括无线电头装置ORU和中央处理装置ODU。无线电头装置ORU和中央处理装置ODU通过也称为前端的连接介质F连接。无线电头装置ORU配备有M个天线Rx1至RxM，以接收由用户设备UE1至UEK在使用空间复用的相同频率资源上经由无线电信道同时发送的信号。每个用户设备都与至少一个空间层相关联。空间层被复用以用于通过信道向基站BS的传输。可以在信道上复用的空间层的数目被称为传输秩或信道秩和/或秩指示符。在被服务的用户设备只有一个天线(因此在一层上进行传输)的特定示例中，传输秩等于用户设备的数目K。

在5G网络中，基站的无线电头装置和中央处理装置需要处理大量的空间层。因此，需要一种有效的压缩解决方案(也称为尺寸减小)，用于通过前悬架进行传输。

在实践中，前向压缩方案需要适应每个无线电头装置/中央处理装置接口的信道条件，如下问所述。考虑仅具有一个用户设备UE1的示例，其中无线电头装置ORU仅具有两个接收天线Rx1和Rx2。当用户设备UE1和第一接收天线Rx1之间的信道增益较强、而用户设备UE 1和第二接收天线Rx2之间的信道收益较弱时，在第一天线处的观测信息更丰富，并且压缩方案应该更好地保存其信息。类似地，当用户设备UE1和第一接收天线Rx1之间的信道增益较弱、并且用户设备UE 1和第二接收天线Rx2之间的信道收益较强时，在第二天线处的观测信息更丰富，并且压缩方案应该更好地保存其信息。这两种场景对压缩模型的设计提出了完全不同的要求。因此，需要使用不同的压缩模型在不同的前端传输。

本公开使用神经网络来实现在无线电头装置ORU处接收的空间层的大幅降维，同时保持中央处理装置ODU侧的性能。使用神经网络来压缩要在前端传输的数据的优点是，神经网络是非线性的，并且可以捕获非线性依赖性。另一个优点是它有利于压缩模型的调谐和优化以及量化噪声的减轻。

若干神经网络被使用，并且对于特定的无线电头装置/分配单元接口，适当的神经网络基于无线电头装置从用户设备接收的信道信息信号从可用的神经网络集合被选择，信道信息信号例如上行链路参考信号例如SRS(声音参考信号)或信道状态信息报告例如CSI(信道状态信息)报告例如宽带CSI报告。

随着用户设备的数目和接收天线的数目的增加，要考虑的无线电头装置/中央处理装置接口场景的数量急剧增加。为每种可能的情况设计一个神经网络是令人望而却步的。在本公开的实施例中，使用聚类技术将不同的无线电头装置/中央处理装置接口划分为几个不重叠的聚类，每个聚类具有其对应的神经网络。

在特定实施例中，神经网络分布在无线电头装置ORU和中央处理装置ODU之间，以分别执行联合压缩/量化和解码。在该实施例中，神经网络被设计为在考虑量化噪声的同时联合优化无线电头装置侧的压缩和中央处理装置侧的解码。分布式神经网络允许模拟整个上行链路传输链，以优化压缩模型。以下结合图2来解释这样的实施例的示例。

如图2所示，神经网络在无线电头装置侧包括输入层L1、压缩层L2和量化层L3。在中央处理装置侧，神经网络包括接收层L4和解码层L5。

无线电头正在处理原始数据信号的噪声观测。假设瑞利衰落信道，在无线电头装置ORU处的接收信号被给出为Y＝HX+Z，其中：

H是包括表征信道的信道系数的信道矩阵，

Z是噪声，并且

X是用户设备发送的数据信号的数据符号

X＝[x1，x2，…，xK]

神经网络被设计为恢复数据信号X。因为该检测取决于接收信号向量Y和信道矩阵H，所以神经网络的输入包括接收信号的信息和信道系数。接收信号的所有或一些分量和信道系数{Y,H}被用于神经网络的输入层L1的输入。换句话说，神经网络的输入层的大小取决于传输秩。当使用所有分量时，神经网络的输入层的大小等于传输秩。

神经网络的第二层L2执行压缩，第三层L3在通过前端F传输之前执行量化。由中央处理装置ODU接收的数据被输入到神经网络的接收层L4。并且神经网络的解码层L5执行解码以恢复数据信号X的估计X’。

神经网络初始利用训练信号和训练信道信息进行离线训练，其中训练信道是用于传输训练信号的信道。初始离线训练导致用于配置无线电头装置和中央处理装置的神经网络的第一次迭代。

例如，训练使用无线电头装置ORU处的观测和相关的信道特征数据。例如，使用从用户设备接收的SRS参考信号或宽带CSI报告，来导出信道表征数据(CSI报告包括PMI——预编码矩阵指示符——并且预编码阵是信道矩阵H的倒数)。在另一个例子中，训练使用来自模拟的数据。

在一个实施例中，训练包括：

-使用训练数据来学习评估降维效益的奖励函数(例如真实数据和重建数据之间的均方误差)，

-应用神经网络来构建新的观测集以优化给定的性能度量(例如重建误差)，

-基于中央处理装置ODU发送的反馈信息来改进神经网络。

可以考虑不同的可能性能度量，例如延迟、吞吐量、信干噪比(SINR)。

可以通过实现更多的隐藏层来加深神经网络。

在训练过程之后，无线电头装置ORU和中央处理装置ODU配置有一组用于前向压缩的神经网络。这组神经网络被称为第一次迭代。神经网络集合中的每个神经网络通过压缩模型信息来识别，例如配置的查找表中的给定索引。

在另一个实施例中，通过实现压缩方案节省的一些前端资源由无线电头装置和中央处理装置用于在线联合训练新的压缩模型或更新配置的压缩模型。在线训练导致神经网络的连续迭代。在线训练允许通过对神经网络的副本执行全部或部分权重更新来改进所选择的网络。在示例性实施例中，在线训练基于周期性、半持续性或非周期性上行链路参考信号，例如SRS或信道状态信息，例如来自所服务的用户设备的CSI报告。

图3是示出无线电头装置和中央处理装置之间的前向压缩模型设置的示例的流程图。

在步骤S1，无线电头装置ORU从用户设备UE1到UEK接收CSI报告CSI1到CSIK，优选地但不限于宽带CSI报告。CSI报告包括PMI(预编码矩阵指示符)、CRI(CSI-RS资源指示符)、SSBRI(SS/PBCH资源块指示符)和RI(秩指示符)。秩指示符给出传输秩，即，要在信道上复用的层数。发送秩先前由基站在接收到SRS参考信号(图3中未示出)时确定。SRS参考信号用于探测信道，因为SRS是直接在天线端口上非预编码发送的。因此，接收到的SRS反映了不包括预编码的每个天线端口的信道。基于接收到的SRS，基站评估信道条件，并且除其他事项外，决定适合于信道条件的合适的传输秩。在CSI-RS消息(CSI参考信号)中将传输秩发送回用户设备。响应于CSI-RS参考信号，用户设备提供如上所述的CSI报告。

在步骤S2，无线电头装置预处理接收到的信号，包括模拟波束成形、FFT(快速傅立叶变换)和数字波束成形。在步骤S3，预处理的信号PPS通过前端发送给中央处理装置ODU。在步骤S4，由中央处理装置ODU接收的信号被解码，并且至少基于定义要使用的神经网络的输入层的大小的传输秩来选择压缩模型。所选择的神经网络还可以取决于CSI报告中包含的其他宽带信息。

在步骤S5，压缩模型信息CMi被发送回无线电头装置ORU。例如，压缩模型信息是配置的查找表中的索引。作为该阶段，在无线电头装置ORU和中央处理装置ODU中都建立压缩模型，使得无线电头装置ORU和中央处理器设备ODU准备好联合执行所选择的用于压缩和解码的神经网络。在步骤S6，无线电头装置ORU从用户设备UE1和UE2接收数据信号PUCCH/PUSCH。在步骤S7，无线电头装置预处理接收到的信号，包括模拟波束成形、FFT(快速傅立叶变换)、数字波束成形以及基于神经网络的压缩和量化。在步骤S8，所得到的压缩信号CPPS通过前端传输到中央处理装置ODU。并且在步骤S9，中央处理装置ODU对接收到的信号执行基于神经网络的解码。

图4是根据示例性实施例的设备400的框图，该设备400可用于实现根据本公开的无线电头装置和/或中央处理装置。设备400包括印刷电路板401，通信总线402在印刷电路板上连接处理器403、随机存取存储器404、存储介质411、用于连接显示器406的接口405、用于连接用户接口设备或模块(例如鼠标或触控板408和键盘409)的一系列连接器407，无线网络接口410和有线网络接口412。根据所需的功能，该设备可能仅实现上述功能的一部分。图4的某些模块可以是内部的或外部连接的，在这种情况下，它们不一定形成设备本身的组成部分。例如，显示器406可以是仅在特定情况下连接到设备的显示器，或者可以通过具有显示器的另一设备来控制该设备，即这种设备不需要特定的显示器406和接口405。存储器411包含软件代码，当由处理器403执行时，该软件代码使设备执行本文所述的方法。存储介质413是诸如USB棒之类的可拆卸设备，其保存可以上传到存储器411的软件代码。

本领域技术人员应当理解，这里的任何框图表示体现本公开的原理的说明性电路的概念视图。类似地，可以理解，任何流程图、流程图、状态转换图等都表示可以基本上由电路实现的各种过程。

每个所描述的功能、引擎、块、步骤可以用硬件、软件、固件、中间件、微码或其任何合适的组合来实现。如果以软件实现，则框图和/或流程图的功能、引擎、块可以通过计算机程序指令/软件代码来实现，该计算机程序指令或软件代码可以在计算机可读介质上存储或传输，或者加载到通用计算机、专用计算机或其他可编程处理设备和/或系统上以生产机器，使得在计算机或其他可编程处理设备上执行的计算机程序指令或软件代码创建用于实现本文所述功能的装置。

在本说明书中，表示被表示为“被配置为执行……”(特定功能)的装置的功能块应被理解为包括适于执行或被配置为完成特定功能的电路的功能块。因此，被配置为执行特定功能的装置并不意味着这样的装置必须(在给定时刻)执行所述功能。此外，表示被配置为执行功能的实体的任何功能块可以对应于或被实现为“一个或多个模块”、“一个或者多个设备”、“一两个单元”等。当由处理器提供时，这些功能可以由单个专用处理器、单个共享处理器或多个单独的处理器提供，其中一些处理器可以是共享的。此外，术语“处理器”或“控制器”的明确使用不应被解释为仅指能够执行软件的硬件，并且可以隐含地包括但不限于数字信号处理器(DSP)硬件、网络处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、用于存储软件的只读存储器(ROM)，随机存取存储器(RAM)和非易失性存储器。也可以包括传统的或定制的其他硬件。它们的功能可以通过程序逻辑的操作、通过专用逻辑、通过程序控制和专用逻辑的交互来执行，或者甚至可以手动执行，具体技术可以由实现者选择，如从上下文中更具体地理解的那样。

尽管流程图可以将操作描述为顺序过程，但许多操作可以并行、并发或同时执行。此外，可以重新安排操作的顺序。进程可以在其操作完成时终止，但也可以有未包含在图中的附加步骤。进程可以对应于方法、函数、过程、子程序、子程序等。当进程对应于函数时，其终止可能对应于函数返回调用函数或主函数。

如本文所公开的术语“存储介质”，“计算机可读存储介质”或“非临时性计算机可读存储媒体”可以是计算机/处理设备可以读取、写入或更一般地访问的任何物理介质。计算机存储介质的示例包括但不限于闪存驱动器或其他闪存设备(例如，存储键、记忆棒、USB密钥驱动器)CD-ROM或其他光存储器、DVD、磁盘存储器或其他磁存储设备、固态存储器、存储芯片、RAM、ROM、EEPROM、智能卡、关系数据库管理系统、传统数据库或任何其他合适的介质，其可用于携带或存储可由计算机处理器读取的指令或数据结构形式的程序代码。此外，各种形式的计算机可读介质可以用于向计算机传输或携带指令，包括路由器、网关、服务器或其他传输设备，有线(同轴电缆、光纤、双绞线、DSL电缆)或无线(红外、无线电、蜂窝、微波)。指令可以包括来自任何计算机编程语言的代码，包括但不限于汇编、C、C++、Basic、SQL、MySQL、HTML、PHP、Python、Java、Javascript等。计算机可读介质的实施例包括但不局限于，计算机存储介质和通信介质，包括有助于将计算机程序从一个地方传送到另一个地方的任何介质。具体地，用于执行本文所描述的实施例的程序指令或计算机可读程序代码可以全部或部分地临时或永久地存储在包括一个或多个存储介质的本地或远程存储设备的非临时计算机可读介质上。

此外，示例实施例可以通过硬件、软件、固件、中间件、微码、硬件描述语言或其任何组合来实现。当以软件、固件、中间件或微代码实现时，用于执行必要任务的程序代码或代码段可以存储在机器或计算机可读介质中，例如计算机可读存储介质。当在软件中实现时，一个或多个处理器将执行必要的任务。例如，如上所述，根据一个或多个示例实施例，至少一个存储器可以包括或存储计算机程序代码，并且所述至少一个内存和所述计算机程序代码可以被配置为利用至少一个处理器使网络元件或网络设备执行必要的任务。此外，被编码为计算机程序代码的处理器、存储器和示例算法用作提供或导致执行本文所讨论的操作的装置。

计算机程序代码的代码段可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类或指令、数据结构或程序语句的任何组合。代码段可以通过传递和/或接收信息、数据、自变量、参数或存储器内容而耦合到另一代码段或硬件电路。信息、自变量、参数、数据等可以通过任何合适的技术来传递、转发或传输，包括存储器共享、消息传递、令牌传递、网络传输等。

本文中使用的术语“包括”和/或“具有”被定义为包含(即开放语言)。源自“指示”一词的术语(例如，“指示”、“指示器”和“指示”)旨在涵盖用于传达或引用所指示的对象/信息的所有各种技术。可用于通信或引用被指示的对象/信息的技术的一些(但不是全部)示例包括被指示的物体/信息的传送、被指示的目标/信息的标识符的传送、用于生成被指示的目的/信息的信息的传送，所指示的对象/信息的某些部分或部分的传送，所指示的物体/信息的某种派生的传送，以及表示所指示的目标/信息的一些符号的传送。

尽管术语第一、第二等可以在本文中用于描述各种元件，但这些元件不应受到这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开来。例如，在不脱离本公开的范围的情况下，第一元件可以被称为第二元件，类似地，第二元件可以被称作第一元件。如本文所用，术语“和/或”包括一个或多个相关列出项目的任何和所有组合。

根据示例实施例，网络元件、网络设备、数据服务器、网络资源控制器、网络装置、客户端、路由器、网关、网络节点、计算机、基于云的服务器、web服务器、应用服务器、代理或代理服务器等可以是(或包括)硬件、固件、硬件执行软件或其任何组合。这样的硬件可以包括处理或控制电路，例如但不限于一个或多个处理器、一个或更多个CPU、一个或者更多个集成电路、一个or更多个控制器、一个或然更多个ALU、一个要么更多个DSP、一个又更多个微型计算机、，或者能够以定义的方式响应和执行指令的任何其他设备。

本申请中使用的术语“电路”可指以下一项或多项或全部：

(a)仅硬件电路实现(例如仅在模拟和/或数字电路中的实现)以及

(b)硬件电路和软件的组合，例如(如适用)：

(i)模拟和/或数字硬件电路与软件/固件的组合，以及

(ii)具有软件(包括数字信号处理器)、软件和存储器的硬件处理器的任何部分，它们一起工作以使设备(如移动电话或服务器)执行各种功能)，以及

(c)硬件电路和/或处理器，例如微处理器或微处理器的一部分，需要软件(例如固件)进行操作，但当不需要软件进行操作时，软件可能不存在。

虽然已经参照上述实施例具体地示出和描述了本公开的各方面，但是本领域技术人员将理解，在不脱离所公开内容的范围的情况下，可以通过修改所公开的机器、系统和方法来考虑各种附加的实施例。这样的实施例应当被理解为落入基于权利要求及其任何等价物所确定的本公开的范围内。