[發明專利]在通信系統中進行訓練

在審

• 申請號: 202110050487.4
• 申請日: 2021-01-14
• 公開（公告）號: CN113128679A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: P·科特什瓦·斯里納斯;J·霍伊迪斯
• 申請（專利權）人: 諾基亞技術有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06K9/62
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅

本公開的實施例涉及在通信系統中進行訓練。描述了一種裝置、方法和計算機程序，包括：生成第一損失函數分量，包括比較第一位置數據與第一位置估計，第一位置估計基于信道狀態數據，第一位置估計使用模型生成，并且模型包括多個可訓練參數；生成第二損失函數分量，包括比較第一位置數據與第二位置估計，第二位置估計基于已經經過第一增強的信道狀態數據，并且第二位置估計使用模型生成；生成第三損失函數分量，包括比較基于信道狀態數據的第三位置估計和基于已經經過第二增強的信道狀態數據的第四位置估計，第三位置估計和第四位置估計使用模型生成；以及通過使基于第一、第二和第三損失函數分量的組合的損失函數最小化來訓練模型的可訓練參數。

相關申請的交叉引用

本申請要求于2020年1月14日提交的芬蘭專利申請號20205030的權益，其全部內容通過引用并入本文。

技術領域

本說明書涉及在通信系統中進行訓練。

背景技術

由于許多原因，可能希望知道諸如用戶設備之類的設備在空間中的定位(position)(例如，絕對定位、或者相對于諸如基站之類的通信節點的定位)。在該領域仍然需要進一步發展。

發明內容

在第一方面，本說明書描述了一種裝置，該裝置包括用于執行以下的部件：生成第一損失函數分量，包括將第一位置(location)數據(例如用戶設備的測得位置數據)與第一位置估計(例如用戶設備的位置估計)進行比較，其中第一位置估計基于信道狀態數據，其中第一位置估計是使用模型生成的，并且其中該模型包括多個可訓練參數；生成第二損失函數分量，包括將第一位置數據與第二位置估計進行比較，其中第二位置估計基于已經經過第一增強的信道狀態數據，并且其中第二位置估計是使用模型生成的；生成第三損失函數分量，包括將基于信道狀態數據的第三位置估計和基于已經經過第二增強的信道狀態數據的第四位置估計進行比較，其中第三位置估計和第四位置估計是使用模型生成的；以及通過使基于第一損失函數分量、第二損失函數分量和第三損失函數分量的組合的損失函數最小化，來訓練模型的可訓練參數。所述組合可以包括第一損失函數分量、第二損失函數分量和第三損失函數分量的和(例如加權和)。該模型可以被配置為基于信道狀態信息來估計用戶設備的定位，以用于用戶設備和通信節點之間的通信。

在一些示例實施例中，該部件還被配置為執行：通過組合第一損失函數分量、第二損失函數分量和第三損失函數分量來生成損失函數。

在一些示例實施例中，該部件還被配置為執行：接收、取回或以其他方式獲取第一數據集，其中該第一數據集包括經標記的數據，該經標記的數據包括信道狀態信息和相關聯的位置數據，其中所述第一位置數據是從所述相關聯的位置數據得出的(例如所述位置數據可以是位置數據)。該部件還可以被配置為執行：基于第一數據集的至少一些信道狀態數據來生成第一位置估計；以及基于第一數據集中已經經過所述第一增強的至少一些信道狀態數據來生成第二位置估計。

在一些示例實施例中，該部件還被配置為執行：接收、取回或以其他方式獲取第二數據集，其中該第二數據集包括未經標記的數據，該未經標記的數據包括信道狀態信息。該部件還可以被配置為執行：基于第二數據集的至少一些信道狀態數據來生成第三位置估計；以及基于第二數據集中已經經過所述第二增強的至少一些信道狀態數據來生成第四位置估計。

在一些示例實施例中，每個增強包括以下一項或多項：相位旋轉；幅度放大；幅度縮小；高斯噪聲的添加；濾波或平滑；基于神經網絡的增強；或元素替換算法。

每個增強可以提供相關信道狀態信息的隨機變換或偽隨機變換。

在一些示例實施例中，該部件還被配置為執行：通過將第一位置數據與多個第二位置估計進行比較，來生成多個所述第二損失函數分量，該多個第二位置估計基于經過第一增強的不同實例的信道狀態數據；和/或通過將第三位置估計與多個第四位置估計進行比較，來生成多個所述第三損失函數分量，該多個第四位置估計基于已經經過第二增強的不同實例的信道狀態數據。